Resistance Training with Instability Does Not Hamper Total Training Volume and Muscle Strength Gains in Older Adults: a Secondary Analysis from REI Study
Notice bibliographique
Résumé
Background Resistance training with instability (REI) emerged as a prom-ising training modality for older adults aiming to counteract age-related changes. Objectives We compared the effects of 12 weeks of REI and traditional resistance exercise (RE) on muscle strength in older adults with cognitive impairment. We further explored if total train-ing volume (TTV) significantly differs among training groups. Methods This is a secondary analysis of the REI study. Participants were randomly assigned to REI (n=22) or RE (n=23). RE protocol involved moderate-intensity, free-weight, and machines-based resistance exercises (3 sets, 10–15 repetitions). REI received a similar training protocol, in which exercises were simul-taneously performed with instability/unstable devices (e.g., squat exercise under a foam pad or Bosu® ball). Maximal isometric strength and isokinetic parameters were assessed at baseline and after completion of a 12-week intervention through a hydraulic handgrip and isokinetic dynamometer, respectively. TTV (sets × repetitions × load) was computed based on external training load over the 12 weeks. Results No differences were observed between groups (p=.35) after the intervention. Over 12 weeks, REI and RE improved iso-metric handgrip strength (p<.001) and isokinetic performance (p=.04). We also did not find differences in the TTV between training groups (p=.28). Conclusion We demonstrated that both REI and RE training induced similar gains in muscle strength. Combining unstable surfaces/instability devices did not hamper TTV, which may have clini-cal applications in the context of exercise for older adults.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».