MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389021390 · doi:10.1096/fasebj.31.1_supplement.707.1

Fatigue and Motor Unit Activation Are Determined by Neither Load Nor Time Under Tension During Resistance Exercise

2017· article· en· W4389021390 sur OpenAlexaff
Robert W. Morton, Michael Sonne, Amanda Farias Zuniga, Amanda Jones, Peter J. Keir, Chris McGlory, Stuart M. Phillips

Notice bibliographique

RevueThe FASEB Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésConcentricEccentricMotor unitMuscle hypertrophyResistance trainingElectromyographyMathematicsStrength trainingMedicinePhysical medicine and rehabilitationCardiologyPhysical therapyPhysicsAnatomyGeometry

Résumé

récupéré en direct d'OpenAlex

Recent evidence has established that repetition load determines neither acute rates of muscle protein synthesis or resistance training‐induced hypertrophy. Our objective was to extend on these findings by examining if skeletal muscle hypertrophy following resistance exercise training is instead determined by the degree of motor unit activation. Ten recreationally active young men (mean ± SD; 21 ± 3 y, 177 ± 6 cm, 82 ± 9 kg) completed three sets of unilateral knee extension exercise to volitional failure under four conditions that varied in the speed of contraction (time under tension [TUT]) and load (% one repetition‐maximum [%RM]): 80%RM Regular (80R; 1 eccentric: 1 pause: 1 concentric), 80%RM Slow (80S; 3:1:3), 30%RM Regular (30R; 1:1:1) and 30%RM Slow (30S; 3:1:3). Each participant completed two training sessions separated by one week, performing two of the four conditions in each session (one on each leg). Electromyography (EMG) and maximum voluntary forces (MVF) were used to assess motor unit activity and fatigue, respectively. Load was higher in the heavy‐load (80R and 80S) conditions (145 ± 18 vs. 55 ± 7 kg), the TUT per repetition was higher in the slow (80S and 30S) conditions (5.4 ± 0.6 vs. 2.8 ± 0.5 s), repetitions per set were different in each group such that 80S < 80R < 30S < 30R (80S: 6 ± 1, 80R: 9 ± 2, 30S: 14 ± 4, 30R: 20 ± 4), volume was lower in the slow conditions (2556 ± 776 vs. 3668 ± 1076 kg) and the total TUT including each repetition was different in all conditions such that 80R < 80S < 30R < 30S (80R: 76 ± 20, 80S: 99 ± 17, 30R: 158 ± 19, 30S: 225 ± 52, p<0.05). The EMG amplitude was higher in the heavy‐load conditions during the first (65 ± 15 vs. 46 ± 18 %MVE) and last (89 ± 26 vs. 72 ± 32 %MVE, p<0.05) repetitions of each set. The EMG amplitude increased during each condition (23 ± 18 %MVE) but the integrated EMG (iEMG) signal was highest in the light‐load (30R and 30S) conditions (27 ± 13 vs. 16 ± 6 %MVE·s, p<0.01). MVF decreased between each set in every condition (pre: 240 ± 32, set 1: 218 ± 33, set 2: 204 ± 29, set 3: 194 ± 34 N, p<0.01). Total TUT was significantly correlated with iEMG (r=0.41, p=0.009). These data demonstrate that fatigue during resistance exercise training is unrelated to load or TUT when resistance exercise is performed until volitional failure. In addition, significant motor unit activation occurs when resistance exercise is performed until volitional failure even at lower loads and, although amplitude may be higher with heavier loads, the total (integrated) EMG response is greater during resistance exercise using lighter loads.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,224
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→