Optimizing Resistance Training Prescription For Strength: A Systematic Review, Bayesian Network Meta-analysis, And Network Meta-regression
Notice bibliographique
Résumé
Resistance training potently increases muscle strength. Resistance training prescription (RTx) involves numerous modifiable training-related variables. The optimal RTx for strength is based on guidelines founded on pairwise comparisons of variables where multiple combinations exist. Network meta-analysis (NMA) permits simultaneous comparisons between numerous prescriptions. PURPOSE: Determine how distinct combinations of RTx variables - load, sets, and training frequency - affect muscle strength. METHODS: MEDLINE, Embase, Emcare, SPORTDiscus, CINAHL, and Web of Science were systematically searched current to February 2022. Eligible randomized trials included healthy adults (≥18 years), compared at least two of 13 predefined conditions, spanned ≥6 weeks, and measured muscle strength. Predefined conditions were non-exercising control (CTRL) and 12 unique RTx denoted by a three-character acronym - XY# - where X is load (heavier [H] ≥80% 1-repetition maximum [1RM]; lighter [L] <80% 1RM); Y is sets (M, multi-set; S, single-set); and # is weekly frequency (3 ≥ 3 d/wk; 2 - 2 d/wk; 1 - 1 d/wk), respectively. NMA was conducted in a Bayesian framework. Network meta-regressions were run to explore the impact of age, training status, and percentage of females on network estimates. Surface under the cumulative ranking curve values were used to rank conditions. RESULTS: The NMA included 178 studies (n = 5,097 participants). The posterior standardized mean difference (95% credible interval) estimate for each RTx versus CTRL was: HM1 = 1.54 (0.81, 2.30), HM2 = 1.59 (1.28, 1.90), HM3 = 1.60 (1.38, 1.82), HS1 = 0.79 (-0.88, 2.45), HS2 = 1.15 (0.55, 1.77), HS3 = 1.22 (0.74, 1.70), LM1 = 1.07 (0.47, 1.67), LM2 = 1.23 (1.01, 1.46), LM3 = 1.07 (0.89, 1.25), LS1 = 0.75 (-0.16, 1.68), LS2 = 0.91 (0.49, 1.35), LS3 = 0.90 (0.57, 1.22). Neither age, training status, nor percentage of females meaningfully altered model fit and network estimates. HM3 (85.5%) and HM2 (83.5%) were most likely to be ranked in the top-three most effective prescriptions. CONCLUSION: All combinations of load, sets, and frequency increased muscle strength compared to no exercise; thus, healthy adults can engage in resistance training with any combination of RTx variables to increase muscle strength. Higher-load, multiset prescriptions maximized strength gains.
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 | 0,033 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,032 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».