Feasibility of eccentric overloading and neuromuscular electrical stimulation to improve muscle strength and muscle mass after treatment for head and neck cancer
Notice bibliographique
Résumé
Purpose: Treatment of head and neck cancer (HNC) results in severe weight loss, mainly due to loss of lean body mass. Consequently, decreases in muscular strength and health-related quality of life (HRQL) occur. This study investigated the feasibility of a 12-week experimental (EXP) and conventional (CON) strength training intervention delivered after HNC treatment.Methods: Participants were randomized to an EXP group (n=11) involving eccentric strength training and neuromuscular electrical stimulation (NMES), or a CON group (n=11) involving dynamic strength training matched for training volume. Feasibility outcomes included recruitment, completion, adherence and evidence of progression. A neuromuscular assessment involving maximal isometric voluntary contractions (MIVCs) in the knee extensors was evaluated prior to and during incremental cycling to volitional exhaustion at baseline and after the interventions. Anthropometrics and patient-reported outcomes (PROs) were also assessed.Results: Although recruitment was challenging, completion was 82% in CON and 100% in EXP. Adherence was 81% in CON and 92% in EXP. Overall, MIVC increased by 19 ± 23%, muscle mass improved 18 ± 22%, cycling exercise time improved by 18 ± 13%, and improvements in HRQL and fatigue were clinically relevant.Conclusions: Both interventions were found to be feasible for HNC patients after treatment. Strength training significantly improved maximal muscle strength, muscle mass, and PROs after HNC treatment. Future research should include fully powered trials and consider the use of eccentric overloading and NMES during HNC treatment.Implications for Cancer Survivors: Eccentric overloading and NMES may be useful alternatives to conventional strength training after HNC treatment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».