The effects of exercise intensity and duration on the relationship between the slow component of VO<sub>2</sub> and peripheral fatigue
Notice bibliographique
Résumé
Abstract Aim If the development of the oxygen uptake slow component (V̇O 2SC ) and muscle fatigue are related, these variables should remain coupled in a time‐ and intensity‐dependent manner. Methods: 16 participants (7 females) visited the laboratory on 7 separate occasions: (1) three 6‐minutes moderate‐intensity cycling exercise bouts proceeded by a ramp incremental test; (2‐3) 30‐minutes constant power output (PO) exercise bout to determine the maximal lactate steady state (MLSS); (4‐7) constant‐PO exercise bouts to task failure (TTF), pseudorandomized order, at (i) 15% below the PO at MLSS; (ii) 10 W below MLSS; (iii) MLSS; (iv) 10 W above MLSS (first intensity and randomized order thereafter). Neuromuscular fatigue was characterized by isometric maximal voluntary contractions and femoral nerve electrical stimulation of knee extensors to measure peripheral fatigue at baseline, at min 5, 10, 20, 30 and TTF. Pulmonary oxygen uptake (V̇O 2 ) was continuously recorded during the constant‐PO bouts and V̇O 2SC was characterized based on each individual V̇O 2 kinetics during moderate transitions. Results The development of V̇O 2SC and peripheral fatigue were correlated across time ( r 2 adj range of 0.64‐0.80) and amongst each exercise intensity ( r 2 adj range of 0.26‐0.30) (all P < .001). Also, TTF was correlated with V̇O 2SC and neuromuscular fatigue parameters ( r 2 adj range of 0.52‐0.82, all P < .001). Conclusion The V̇O 2SC and peripheral fatigue development are correlated throughout the exercise in a time‐ and intensity‐dependent manner, suggesting that the V̇O 2SC may depend on muscle fatigue even if the mechanisms of reduced contractile function are different amongst intensities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».