Leukocytes and lactate responses to cycling and running at the same target heart rate
Notice bibliographique
Résumé
Abstract Heart Rate (HR) is widely used for erobic exercise intensity prescriptions and/or studies of exercise training. It is often assumed that exercising at a given HR results in similar physiological response, regardless of exercise modality. This study aimed to gauge cellular immune mobilization to submaximal exercise at a given target HR on a cycle ergometer (CE) and treadmill (TM). Thirteen healthy male adults (23.2 ± 3.5 y.o) completed 4 laboratory visits. Participants performed two graded exercise tests to exhaustion on CE and TM and two 30‐min constant exercise challenges at 70% HR reserve on CE or TM in random order. Rating of Perceived Exertion (RPE) was recorded every 5 min, and blood was drawn before and after exercise to measure leukocytes subpopulation levels, lactate, and IL‐6. HR was successfully “clamped” during the exercise in CE and TM (CE 156.7 ± 1.1; TM 159.3 ± 1.6 bpm). Cycling was perceived as more strenuous than running and was accompanied by a greater increase in lactate post‐exercise ( p < 0.0001; 6.2 ± 0.3 vs. 2.9 ± 0.3 mmol/L). IL‐6 and leukocytes subpopulations were significantly elevated post‐exercise ( p < 0.003) with no difference between exercise modalities (monocytes; CE 57.6% TM 61.2%, granulocytes; CE 41.37%, TM 50.1%, lymphocytes; CE 91.03%, TM 78.8%). The findings revealed that HR is not sufficient in and of itself to fully assess the metabolic stress associated with a given exercise modality. However, despite different metabolic and subjective stress, the IL‐6 and leukocyte counts relative changes were similar in the two modalities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 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) | 0,000 | 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 tête enseignante, 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 ».