MétaCan
Menu
Retour à la cohorte
Enregistrement W4386324993 · doi:10.3390/life13091846

Effects of Acute Long- versus Short-Interval High-Intensity Interval Training on Attention and Psychological States in a Sample of Male and Female Adolescents: A Pilot Study

2023· article· en· W4386324993 sur OpenAlexaff
Maamer Slimani, Hela Znazen, Amri Hammami, Nicola Luigi Bragazzi

Notice bibliographique

RevueLife · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensYork University
Organismes subventionnairesTaif University
Mots-clésInterval trainingRating of perceived exertionMoodMedicineProfile of mood statesHigh-intensity interval trainingPerceived exertionPhysical therapyVO2 maxBody mass indexConfidence intervalInternal medicinePsychologyHeart rateClinical psychologyBlood pressure

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to assess the effect of acute short- versus long-interval high-intensity interval training (HIIT) on cognitive performance and psychological states in secondary school students. Fifteen secondary school students (nine males and six females: mean age = 16.2 ± 0.4 years, mean Body Mass Index = 21.2 ± 1.5 kg/m2, and maximum oxygen uptake = 42.2 ± 5.9 mL/kg/min) participated in the current study. They performed one of the following three sessions in a randomized order: (i) a long-interval HIIT (LIHIIT), (ii) a short-interval HIIT (SIHIIT), and (iii) a control condition (CC). Cognitive performance and perceived exertion were assessed pre and immediately post each condition using the d2 test and the Rating of Perceived Exertion (RPE) tool, respectively. Mood state was quantified using the Brunel Mood Scale (BRUMS) questionnaire immediately post each condition. The findings reported higher concentration performance in the SIHIIT compared to the LIHIIT condition (p = 0.043) and the CC (p < 0.001) and in the LIHIIT compared to the CC (p = 0.023). Moreover, the total count of errors was higher in the CC than in the LIHIIT (p = 0.01) and in the SIHIIT conditions (p < 0.001) and in the LIHIIT than in the SIHIIT condition (p = 0.03). RPE value was higher in the LIHIIT and SIHIIT conditions than in the CC (both p < 0.001), whereas no statistically significant difference between LIHIIT and SIHIIT conditions (p = 0.24) was found. Regarding the BRUMS, a significant difference between conditions in the fatigue subscale was found, being higher in LIHIIT with respect to SIHIIT (p = 0.03) and CC (p < 0.05). Vigor differed between conditions, with a higher value than in the LIHIIT (p = 0.04) and CC (p < 0.001). All the remaining subscales did not significantly differ between conditions (p > 0.05). Practitioners may implement short-interval HIIT prior to any tasks that require high levels of visual attention.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,393

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,070
Tête enseignante GPT0,334
Écart entre enseignants0,265 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLifeMême sujetCardiovascular and exercise physiologyTravaux en français237 207