MétaCan
Menu
Retour à la cohorte
Enregistrement W3194630535 · doi:10.47206/ijsc.v1i1.81

Resistance Training Recommendations to Maximize Muscle Hypertrophy in an Athletic Population: Position Stand of the IUSCA

2021· article· en· W3194630535 sur OpenAlexaff
Brad J. Schöenfeld, James Fisher, Jozo Grgić, Cody T. Haun, Eric R. Helms, Stuart M. Phillips, James Steele, Andrew D. Vigotsky

Notice bibliographique

RevueInternational Journal of Strength and Conditioning · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMuscle hypertrophyAthletesContext (archaeology)Resistance trainingMuscle massMedicinePopulationMuscle strengthPosition (finance)Skeletal musclePhysical medicine and rehabilitationPhysical therapyCardiologyInternal medicineBusinessBiology

Résumé

récupéré en direct d'OpenAlex

Hypertrophy can be operationally defined as an increase in the axial cross-sectional area of a muscle fiber or whole muscle, and is due to increases in the size of pre-existing muscle fibers. Hypertrophy is a desired outcome in many sports. For some athletes, muscular bulk and, conceivably, the accompanying increase in strength/power, are desirable attributes for optimal performance. Moreover, bodybuilders and other physique athletes are judged in part on their muscular size, with placings predicated on the overall magnitude of lean mass. In some cases, even relatively small improvements in hypertrophy might be the difference between winning and losing in competition for these athletes. This position stand of leading experts in the field synthesizes the current body of research to provide guidelines for maximizing skeletal muscle hypertrophy in an athletic population. The recommendations represent a consensus of a consortium of experts in the field, based on the best available current evidence. Specific sections of the paper are devoted to elucidating the constructs of hypertrophy, reconciliation of acute vs long-term evidence, and the relationship between strength and hypertrophy to provide context to our recommendations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,050
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,003
Communication savante0,0050,005
Science ouverte0,0080,005
Intégrité de la recherche0,0270,022
Charge utile insuffisante (le modèle a refusé de juger)0,0110,013

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,295
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Strength and ConditioningMême sujetSports Performance and TrainingTravaux en français237 207