Acute work rate adjustments during high-intensity interval training in a hot and temperate environment
Notice bibliographique
Résumé
Heart rate drifts upward over time during interval exercise and during exercise in hot conditions. As such, work rate must be lowered to maintain target heart rate. The purpose was to characterize acute work rate adjustments during high-intensity interval training based on target heart rate. Seven humans (three females) completed five study visits: a graded exercise test on a cycle ergometer to measure maximal heart rate (HRmax) in ∼22 °C and four trials performed in ∼22 °C (TEMP) or ∼35 °C (HOT), consisting of an 8 min warm-up at 70% HRmax followed by one (15TEMP and 15HOT) or five (43TEMP and 43HOT) rounds of high-intensity interval training (one round = 4 min work at 90% HRmax and 3 min recovery at 70% HRmax) totaling 15 min or 43 min of exercise, respectively. Work rate was lowered 33 ± 20 W ( p = 0.005) in 43TEMP and 56 ± 30 W ( p = 0.003) in 43HOT between the first and fifth work intervals. Thermal strain (0.2 °C higher rectal temperature, p = 0.01) and cardiovascular strain (6 beats·min–1 larger increase in heart rate from first to fifth recovery interval, p = 0.01) were greater in 43HOT versus 43TEMP. Using target heart rate during high-intensity interval training may reduce the training stimulus, especially in hot environments, but it may also limit thermal strain and enable participants to complete the prescribed workout despite the heat.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».