Probing The Influence Of Exertion/Rest Pacing On Predicted Muscle Fatigue
Notice bibliographique
Résumé
Fatigue from repetitive muscle contractions reduces strength capacity, which can negatively affect performance and indirectly increase the risk of acute and chronic musculoskeletal injury. As such, there is utility in being able to proactively predict muscle fatigue accumulation and recovery based on varied intensity (i.e. percentage of maximal muscle exertion) and volume (i.e. contraction vs. rest time). Despite utilizing intensity and volume in exercise prescription and ergonomics methods, the pacing at which these contraction profiles occur are likely not accounted for. For example, a lift with a 2 s contraction followed by a 2 s rest and a lift with a 30s exertion followed by a 30s rest can both have the same volume (50%) at a given intensity, but how may the fatigue development differ in these two conditions? PURPOSE: To determine if contractions with different repetition rates, but the same overall intensity and volume, result in different levels of predicted muscle fatigue. METHODS: This study uses a simulation approach to examine the effects of multiple pacing scenarios on fatigue accumulation. A computational motor-unit model (Potvin & Fuglevand, 2017) was modified to include a recovery component. Twelve different exertion frequencies (60[i.e. 0.5 s exertion, 0.5 s rest], 30, 20, 15, 12, 10, 6, 5, 4, 3, 2, and 1[i.e. 30s exertion, 30s rest]) were tested over a 1-minute cycle while maintaining one of three volumes (25%, 50%, 75%). To represent an ergonomics-relevant scenario, cycles were simulated continuously for 8 hours to represent a full day of fatiguing work. The remaining strength capacity of all units served as the dependent variable. RESULTS: Tasks with slower pacing (ie. low reps but longer contractions) resulted in greater muscle fatigue than those with faster pacing when volume was fixed. Across a range of intensities (25%, 50% and 75%), the low rep conditions resulted in 0.71%, 2.98%, and 4.90% more fatigue, respectively. However, there is a plateau, and only tasks below 10 reps/min induce substantially greater fatigue. The effect of pacing was more pronounced for lower volumes when normalized to how much fatigue was induced. CONCLUSION: An advanced muscle fatigue model predicted that sustained exertions induce more fatigue compared to shorter but more frequent exertions for the same amount of total work.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».