MétaCan
Menu
Retour à la cohorte
Enregistrement W4226054753 · doi:10.3389/fphys.2022.857555

Effects of High-Volume Versus High-Load Resistance Training on Skeletal Muscle Growth and Molecular Adaptations

2022· article· en· W4226054753 sur OpenAlexaff
Christopher G. Vann, Casey L. Sexton, Shelby C. Osburn, Morgan A. Smith, Cody T. Haun, Melissa N. Rumbley, Petey W. Mumford, Nathan T. Montgomery, Bradley A. Ruple, James McKendry, Jonathan C. Mcleod, Adil Bashir, Ronald J. Beyers, Matthew S. Brook, Kenneth Smith, Philip J. Atherton, Darren T. Beck, James R. McDonald, Kaelin C. Young, Stuart M. Phillips, Michael D. Roberts

Notice bibliographique

RevueFrontiers in Physiology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster University
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilNational Institute on AgingNational Institutes of HealthMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMuscle hypertrophySkeletal muscleResistance trainingVolume (thermodynamics)MedicineBiologyInternal medicineCardiologyPhysics

Résumé

récupéré en direct d'OpenAlex

We evaluated the effects of higher-load (HL) versus (lower-load) higher-volume (HV) resistance training on skeletal muscle hypertrophy, strength, and muscle-level molecular adaptations. Trained men ( n = 15, age: 23 ± 3 years; training experience: 7 ± 3 years) performed unilateral lower-body training for 6 weeks (3× weekly), where single legs were randomly assigned to HV and HL paradigms. Vastus lateralis (VL) biopsies were obtained prior to study initiation (PRE) as well as 3 days (POST) and 10 days following the last training bout (POSTPR). Body composition and strength tests were performed at each testing session, and biochemical assays were performed on muscle tissue after study completion. Two-way within-subject repeated measures ANOVAs were performed on most dependent variables, and tracer data were compared using dependent samples t-tests. A significant interaction existed for VL muscle cross-sectional area (assessed via magnetic resonance imaging; interaction p = 0.046), where HV increased this metric from PRE to POST (+3.2%, p = 0.018) whereas HL training did not (−0.1%, p = 0.475). Additionally, HL increased leg extensor strength more so than HV training (interaction p = 0.032; HV < HL at POST and POSTPR, p < 0.025 for each). Six-week integrated non-myofibrillar protein synthesis (iNon-MyoPS) rates were also higher in the HV versus HL condition, while no difference between conditions existed for iMyoPS rates. No interactions existed for other strength, VL morphology variables, or the relative abundances of major muscle proteins. Compared to HL training, 6 weeks of HV training in previously trained men optimizes VL hypertrophy in lieu of enhanced iNon-MyoPS rates, and this warrants future research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,198 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetMuscle metabolism and nutritionTravaux en français237 207