Carbohydrate Ingestion Increases Interstitial Glucose and Mitigates Neuromuscular Fatigue during Single-Leg Knee Extensions
Notice bibliographique
Résumé
INTRODUCTION: We aimed to investigate the neuromuscular contributions to enhanced fatigue resistance with carbohydrate (CHO) ingestion and to identify whether fatigue is associated with changes in interstitial glucose levels assessed using a continuous glucose monitor (CGM). METHODS: Twelve healthy participants (six males, six females) performed isokinetic single-leg knee extensions (90°·s -1 ) at 20% of the maximal voluntary contraction (MVC) torque until MVC torque reached 60% of its initial value (i.e., task failure). Central and peripheral fatigue were evaluated every 15 min during the fatigue task using the interpolated twitch technique and electrically evoked torque. Using a single-blinded crossover design, participants ingested CHO (85 g sucrose per hour), or a placebo (PLA), at regular intervals during the fatigue task. Minute-by-minute interstitial glucose levels measured via CGM and whole blood glucose readings were obtained intermittently during the fatiguing task. RESULTS: CHO ingestion increased time to task failure over PLA (113 ± 69 vs 81 ± 49 min, mean ± SD; P < 0.001) and was associated with higher glycemia as measured by CGM (106 ± 18 vs 88 ± 10 mg·dL -1 , P < 0.001) and whole blood glucose sampling (104 ± 17 vs 89 ± 10 mg·dL -1 , P < 0.001). When assessing the values in the CHO condition at a similar time point to those at task failure in the PLA condition (i.e., ~81 min), MVC torque, percentage voluntary activation, and 10 Hz torque were all better preserved in the CHO versus PLA condition ( P < 0.05). CONCLUSIONS: Exogenous CHO intake mitigates neuromuscular fatigue at both the central and peripheral levels by raising glucose concentrations rather than by preventing hypoglycemia.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».