MétaCan
Menu
Retour à la cohorte
Enregistrement W4205125824 · doi:10.1186/s40798-021-00404-9

The Effect of Load and Volume Autoregulation on Muscular Strength and Hypertrophy: A Systematic Review and Meta-Analysis

2022· review· en· W4205125824 sur OpenAlexaff
Landyn M. Hickmott, Philip D. Chilibeck, Keely A. Shaw, Scotty Butcher

Notice bibliographique

RevueSports Medicine - Open · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of SaskatchewanSaskatchewan Health Authority
Organismes subventionnairesnon disponible
Mots-clésMedicineAutoregulationMuscle hypertrophyInternal medicineMeta-analysisResistance trainingPhysical therapyExercise prescriptionCardiologyBlood pressure

Résumé

récupéré en direct d'OpenAlex

Abstract Background Autoregulation has emerged as a potentially beneficial resistance training paradigm to individualize and optimize programming; however, compared to standardized prescription, the effects of autoregulated load and volume prescription on muscular strength and hypertrophy adaptations are unclear. Our objective was to compare the effect of autoregulated load prescription (repetitions in reserve-based rating of perceived exertion and velocity-based training) to standardized load prescription (percentage-based training) on chronic one-repetition maximum (1RM) strength and cross-sectional area (CSA) hypertrophy adaptations in resistance-trained individuals. We also aimed to investigate the effect of volume autoregulation with velocity loss thresholds ≤ 25% compared to > 25% on 1RM strength and CSA hypertrophy. Methods This review was performed in accordance with the PRISMA guidelines. A systematic search of MEDLINE, Embase, Scopus, and SPORTDiscus was conducted. Mean differences (MD), 95% confidence intervals (CI), and standardized mean differences (SMD) were calculated. Sub-analyses were performed as applicable. Results Fifteen studies were included in the meta-analysis: six studies on load autoregulation and nine studies on volume autoregulation. No significant differences between autoregulated and standardized load prescription were demonstrated for 1RM strength (MD = 2.07, 95% CI – 0.32 to 4.46 kg, p = 0.09, SMD = 0.21). Velocity loss thresholds ≤ 25% demonstrated significantly greater 1RM strength (MD = 2.32, 95% CI 0.33 to 4.31 kg, p = 0.02, SMD = 0.23) and significantly lower CSA hypertrophy (MD = 0.61, 95% CI 0.05 to 1.16 cm2, p = 0.03, SMD = 0.28) than velocity loss thresholds > 25%. No significant differences between velocity loss thresholds > 25% and 20–25% were demonstrated for hypertrophy (MD = 0.36, 95% CI – 0.29 to 1.00 cm2, p = 0.28, SMD = 0.13); however, velocity loss thresholds > 25% demonstrated significantly greater hypertrophy compared to thresholds ≤ 20% (MD = 0.64, 95% CI 0.07 to 1.20 cm2, p = 0.03, SMD = 0.34). Conclusions Collectively, autoregulated and standardized load prescription produced similar improvements in strength. When sets and relative intensity were equated, velocity loss thresholds ≤ 25% were superior for promoting strength possibly by minimizing acute neuromuscular fatigue while maximizing chronic neuromuscular adaptations, whereas velocity loss thresholds > 20–25% were superior for promoting hypertrophy by accumulating greater relative volume. Protocol Registration The original protocol was prospectively registered (CRD42021240506) with the PROSPERO (International Prospective Register of Systematic Reviews).

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)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0170,025
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,357
Écart entre enseignants0,301 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations43
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports Medicine - OpenMême sujetSports Performance and TrainingTravaux en français237 207