Notice bibliographique
Résumé
At the onset of an exercise transition, exponential modeling to calculate a time constant (τ) is the conventional method to analyze pulmonary oxygen uptake (V̇O<sub>2p</sub>) kinetics for moderate and heavy exercises. A new frequency domain analysis technique, mean normalized gain (MNG), has been used to analyze V̇O<sub>2p</sub> kinetics during moderate exercise, but has not been evaluated for its ability to detect differences in kinetics between moderate and heavy exercises. This study tested the hypothesis that MNG would detect smaller amplitude V̇O<sub>2p</sub> responses in the heavy-exercise domain compared with moderate-exercise domain. Eight young healthy adults (3 female; age: 27 ± 6 yr; peak V̇O<sub>2p</sub>: 43 ± 6 mL·min<sup>-1</sup>·kg<sup>-1</sup>; means ± SD) performed three bouts of pseudorandom binary sequence (PRBS) exercise for frequency analysis, with the work rate (WR) changing between 25 W and 90% ventilatory threshold (VT; L → M<sub>PRBS</sub>), 25 W and 50% of the difference between VT and peak V̇O<sub>2p</sub> (Δ50%; L → H<sub>PRBS</sub>), and VT to Δ50% (VT → H<sub>PRBS</sub>). Step exercise tests with equivalent changes in WR to the PRBS tests were performed to facilitate the comparison between MNG and τ. MNG was the highest for L → M<sub>PRBS</sub> (59 ± 7%), then L → H<sub>PRBS</sub> (52 ± 6%), and the lowest for VT → H<sub>PRBS</sub> (38 ± 7%, F<sub>(2,14)</sub> = 129.755, <i>P</i> < 0.001) exercise conditions indicating slower kinetics with increasing exercise intensity that correlated strongly in repeated measures with τ from step transitions (<i>r<sub>rm</sub></i> = -0.893). These results indicate that frequency domain analysis and MNG reliably detect differences in V̇O<sub>2p</sub> kinetics observed across exercise intensity domains.<b>NEW & NOTEWORTHY</b> Mean normalized gain is able to detect differences in V̇O<sub>2p</sub> kinetics between moderate-, heavy-, and heavy-intensity exercises from a raised WR within the same individuals. This new method of kinetic analysis may be advantageous compared with conventional V̇O<sub>2p</sub> curve fitting, as it is less sensitive to breath-by-breath noise, it can provide useful information from a single exercise testing session, and it can be applied to nonconstant work rate exercise situations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».