MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294816667 · doi:10.1249/01.mss.0000882356.29154.c5

Low-load High-repetition Resistance Training Generates Similar Post-exercise Whole-body Metabolism Increases Compared To High-load Low-repetition Training

2022· article· en· W4294816667 sur OpenAlexaff
Derek P.D. Bornath, Seth F. McCarthy, Daniel Grisebach, Jessica A.L. Tucker, Claudia Jarosz, Tom J. Hazell

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésBench pressSquatResistance trainingMedicinePhysical therapyLeg pressSession (web analytics)Muscle hypertrophyAnaerobic exercisePhysical medicine and rehabilitationCardiologyComputer science

Résumé

récupéré en direct d'OpenAlex

The emergence of low-load high-repetition resistance training (RT, <50% of 1 RM) to failure as an alternative method of generating skeletal muscle hypertrophy has gained interest as an equally effective protocol to the traditional high-load low-repetition RT (>70% of 1 RM), however how these training protocols alter post-exercise whole-body metabolism as it relates to energy balance has yet to be examined. To fully understand the efficacy of these protocols for overall health, an exploration of factors affecting post-exercise metabolism such as excess post-exercise oxygen consumption (EPOC) and fat oxidation is warranted. PURPOSE: To investigate the effect of different RT loads performed to failure on post-exercise energy metabolism. METHODS: Ten recreationally active males (23 ± 2 y) with RT experience completed 3 experimental sessions: 1) RT workout at 30% 1RM; 2) RT workout at 90% 1RM; 3) no exercise control (CTRL) session. RT sessions consisted of back squat, bench press, straight-leg deadlift, military press, and bent-over rows were performed for 3 sets to failure with 90-s between each movement. Gas exchange measurements were obtained for 15 minutes at four time points: pre-exercise as well as 0, 1, and 2 h post-exercise. RESULTS: Total V̇O2 consumed post-exercise was increased (P < 0.010, d = 1.46) during the 30% session (42.9 ± 5.4 L) vs CTRL (35.9 ± 3.7 L) but not different vs the 90% session (40.3 ± 4.9; P = 0.545, d = 0.55). EPOC trended to be increased (P = 0.099, d = 0.54) in the 30% (7.0 ± 4.7 L O2) vs the 90% (4.4 ± 5.4) session. Fat oxidation was greater at 0 h post-exercise (P < 0.001, d > 2.40) following the 30% (0.19 ± 0.04 g·min-1) and 90% (0.17 ± 0.04) sessions vs CTRL (0.06 ± 0.23) and remained elevated through 1 h post-exercise following the 30% session (0.16 ± 0.04) vs 90% (0.08 ± 0.03) and CTRL (0.06 ± 0.02) sessions (P < 0.010, d > 1.00) as well as through 2 h post-exercise (P < 0.001, d = 2.00) following the 30% session (0.14 ± 0.04) vs 90% (0.085 ± 0.031) and CTRL (0.07 ± 0.02) sessions (P < 0.075, d > 1.67). CONCLUSION: A low-load high-repetition RT session produced similar perturbations to post-exercise whole-body energy metabolism compared to a traditional 90% 1RM session, suggesting either protocol is suitable in generating a negative energy balance however the 30% session may stimulate enhanced fat oxidation.

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: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,249 · 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'étudeEssai non randomisé
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & Exercise→Même sujetSports Performance and Training→Travaux en français237 207→