Passive exercise provides a simultaneous and postexercise executive function benefit
Notice bibliographique
Résumé
Introduction: Passive exercise involves limb movement via an external force and is an intervention providing an immediate postexercise executive function (EF) benefit. It is, however, unknown whether EF is improved simultaneous with passive exercise-a salient question given the advent of passive (and active) exercise workstations designed to enhance productivity and wellbeing for individuals engaged in sedentary occupations. Methods: = 23) completed separate 20-min conditions involving active (i.e., via volitional muscle activation) and passive (i.e., via mechanically driven cycle ergometer) cycle ergometry and a non-exercise control condition. EF was assessed prior to (i.e., preintervention), simultaneous with, and immediately after (post-intervention) each condition via the antipointing task. Antipointing involves a goal-directed limb movement mirror-symmetrical to a target and is an ideal tool for the current investigation given that the task is mediated via EF inhibitory control networks that show response-dependent changes following a single bout of exercise. Results and discussion: Results showed that passive exercise produced a simultaneous and post-intervention reduction in antipointing reaction time (RT), whereas active exercise selectively produced a post-intervention-but not simultaneous-RT reduction. Thus, passive and active exercise elicited a postexercise EF benefit; however, only passive exercise produced a simultaneous benefit. That passive-but not active-exercise produced a simultaneous benefit may reflect that the intervention provides the necessary physiological or psychological changes to elicit improved EF efficiency without the associated dual-task cost(s) of volitional muscle activity.
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 | 0,000 | 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 ».