High-Intensity Cycling Training Necessitates Increased Neuromuscular Demand of the Vastus Lateralis During a Fatiguing Contraction
Notice bibliographique
Résumé
Purpose: To examine the effects of a 5-week continuous cycling training intervention on electromyographic amplitude (EMGRMS)- and mechanomyographic amplitude (MMGRMS)-torque relationships of the vastus lateralis (VL) during a prolonged contraction. Methods: Twenty-four sedentary, young adults performed maximal voluntary contractions (MVCs) and a prolonged isometric trapezoidal contraction at the same absolute 40% MVC for the knee extensors before (PRE) and after training (POSTABS). Individual b- (slopes) and a-terms (y-intercepts) were calculated from the log-transformed electromyographic amplitude (EMGRMS)- and mechanomyographic amplitude (MMGRMS)-torque relationships during the increasing and decreasing segments of the trapezoid. EMGRMS and MMGRMS was normalized for the 45-s steady torque segment. Results: At PRE, b-terms for the EMGRMS-torque relationships during the linearly decreasing segment were greater than the increasing segment (p < .001), and decreased from PRE to POSTABS (p = .027). a-terms were greater during the linearly increasing than decreasing segment at PRE, while the a-terms for the linearly decreasing segment increased from PRE to POSTABS (p = .027). For the MMGRMS-torque relationships, b-terms during the linearly decreasing segment decreased from PRE to POSTABS (p = .013), while a-terms increased from PRE to POSTABS when collapsed across segments (p = .022). Steady torque EMGRMS increased for POSTABS (p < .001). Conclusion: Although cycling training increased aerobic endurance, incorporating resistance training may benefit athletes/individuals as the alterations in neuromuscular parameters post-training suggest a greater neural cost (EMGRMS) and mechanical output (MMGRMS) to complete the same pre-training fatiguing contraction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».