Prediction of Functional Threshold Power from Graded Exercise Test Data in Highly-Trained Individuals
Notice bibliographique
Résumé
International Journal of Exercise Science 15(4): 747-759, 2022. The purpose of the current investigation was to derive an equation that could predict Functional Threshold Power (FTP) from Graded Exercise Test (GxT) data. The FTP test has been demonstrated to represent the highest cycling power output that can be maintained in a quasi-steady state for 60-min. Previous investigations to determine a comparable marker derived from a Graded Exercise test have had limited success to date. Consequently, the current study aimed to predict FTP from GxT data to provide an additional index of cycling performance. FTP has been reported to provide an insight not provided by a GxT and, in addition, does not require a formal exercise testing facility. The study design facilitated a deliberate and transparent sequence of statistical decisions, resolved in part from the perspective of exercise physiology. Seventy triathletes (male n=50, female n=20) completed cycling GxT and FTP tests in sequential order. Collected data (power output, blood lactate indices, VO2peak, body mass) were analysed using stepwise regression to identify the key parameters for predicting FTP, and confirmed using a Leave One Out (LOO) cross-validation. As a consequence of wittingly including some likely transiently highly correlated parameters on the basis of a physiological argument, the model’s function is limited to predicting FTP. This investigation concluded the model (FTP = -6.62 + 0.32 FBLC-4 + 0.42 BM + 0.46 Pmax) was the prediction model of choice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».