MétaCan
Menu
Retour à la cohorte
Enregistrement W4382776785 · doi:10.1152/japplphysiol.00078.2023

Impact of high-intensity interval training on cardiac structure and function after COVID-19: an investigator-blinded randomized controlled trial

2023· article· en· W4382776785 sur OpenAlexfundno aff
Iben Elmerdahl Rasmussen, Mathilde Løk, Cody Durrer, Frederik Foged, Vera Graungaard Schelde, Josephine Bjørn Budde, Rasmus Syberg Rasmussen, Emma Fredskild Høvighoff, Villads Rasmussen, Mark Lyngbæk, Simon Jønck, Rikke Krogh‐Madsen, Birgitte Lindegaard, Peter Godsk Jørgensen, Lars Køber, Niels Vejlstrup, Bente Klarlund Pedersen, Mathias Ried‐Larsen, Morten Asp Vonsild Lund, Regitse Højgaard Christensen, Ronan M. G. Berg

Notice bibliographique

RevueJournal of Applied Physiology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchDanish Foundation TrygFondenNovo Nordisk FondenRigshospitaletGovernment of Canada
Mots-clésHigh-intensity interval trainingMedicineInterval trainingCardiorespiratory fitnessRandomized controlled trialPhysical therapyInternal medicineQuality of life (healthcare)Confidence intervalCardiology

Résumé

récupéré en direct d'OpenAlex

In this randomized clinical trial on individuals previously hospitalized for COVID-19, a 12 wk supervised high-intensity interval training (HIIT) scheme was found to increase left ventricular mass, whereas pulmonary diffusing capacity was unaffected. The findings indicate that HIIT is an efficacious exercise intervention for targeting the heart after COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,320
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai 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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetLong-Term Effects of COVID-19Travaux en français237 207