Methodological Reconciliation of CP and MLSS and Their Agreement with the Maximal Metabolic Steady State
Notice bibliographique
Résumé
PURPOSE: This study aimed to compare the concordance between CP and MLSS estimated by various models and criteria and their agreement with MMSS. METHODS: After a ramp test, 10 recreationally active males performed four to five severe-intensity constant-power output (PO) trials to estimate CP and three to four constant-PO trials to determine MLSS and identify MMSS. CP was computed using the three-parameter hyperbolic (CP3-hyp), two-parameter hyperbolic (CP2-hyp), linear (CPlin), and inverse of time (CP1/Tlim) models. In addition, the model with the lowest combined parameter error identified the "best-fit" CP (CPbest-fit). MLSS was determined as an increase in blood lactate concentration ≤1 mM during constant-PO cycling from the 5th (MLSS5-30), 10th (MLSS10-30), 15th (MLSS15-30), 20th (MLSS20-30), or 25th (MLSS25-30) to 30th minute. MMSS was identified as the greatest PO associated with the highest submaximal steady-state V˙O2 (MV˙O2ss). RESULTS: Concordance between the various CP and MLSS estimates was greatest when MLSS was identified as MLSS15-30, MLSS20-30, and MLSS25-30. The PO at MV˙O2ss was 243 ± 43 W. Of the various CP models and MLSS criteria, CP2-hyp (244 ± 46 W) and CPlin (248 ± 46 W) and MLSS15-30 and MLSS20-30 (both 245 ± 46 W), respectively, displayed, on average, the greatest agreement with MV˙O2ss. Nevertheless, all CP models and MLSS criteria demonstrated some degree of inaccuracies with respect to MV˙O2ss. CONCLUSIONS: Differences between CP and MLSS can be reconciled with optimal methods of determination. When estimating MMSS, from CP the error margin of the model estimate should be considered. For MLSS, MLSS15-30 and MLSS20-30 demonstrated the highest degree of accuracy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».