MétaCan
Menu
Retour à la cohorte
Enregistrement W4401591455 · doi:10.3389/fphys.2024.1449384

Muscle reoxygenation is slower after higher cycling intensity, and is faster and more reliable in locomotor than in accessory muscle sites

2024· article· en· W4401591455 sur OpenAlexafffund
Jem Arnold, Assaf Yogev, Hannah Nelson, Martijn van Hooff, Michael S. Koehle

Notice bibliographique

RevueFrontiers in Physiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCyclingPhysical medicine and rehabilitationIntensity (physics)BiologyMedicineChemistryPhysicsGeography

Résumé

récupéré en direct d'OpenAlex

Introduction: Wearable near-infrared spectroscopy (NIRS) can be used during dynamic exercise to reflect the balance of muscle oxygen delivery and uptake. This study describes the behaviour and reliability of postexercise reoxygenation with NIRS as a function of exercise intensity at four muscle sites during an incremental cycling test. We discuss physiological components of faster and slower reoxygenation kinetics in the context of sport science and clinical applications. We hypothesised that reoxygenation would be slower at higher intensity, and that locomotor muscles would be faster than accessory muscles. We quantified test-retest reliability and agreement for each site. Methods: Twenty-one trained cyclists performed two trials of an incremental cycling protocol with 5-min work stages and 1-min rest between stages. NIRS was recorded from the locomotor vastus lateralis and rectus femoris muscles, and accessory lumbar paraspinal and lateral deltoid muscles. Reoxygenation time course was analysed as the half-recovery time (HRT) from the end of work to half of the peak reoxygenation amplitude during rest. Coefficient of variability (CV) between participants, standard error of the measurement (SEM) within participants, and intraclass correlation coefficient (ICC) for test-retest reliability were evaluated at 50%, 75%, and 100% peak workloads. A linear mixed-effects model was used to compare differences between workloads and muscle sites. Results: HRT was slower with increasing workload in the VL, RF, and PS, but not DL. VL had the fastest reoxygenation (lowest HRT) across muscle sites at all workloads (HRT = 8, 12, 17 s at 50%, 75%, 100% workload, respectively). VL also had the greatest reliability and agreement. HRT was sequentially slower between muscle sites in the order of VL < RF < PS < DL, and reliability was lower than for the VL. Discussion: This study highlights the potential for using wearable NIRS on multiple muscle sites during exercise. Reoxygenation kinetics differ between local muscle sites with increasing intensity. Moderate-to-good reliability in the VL support its increasing use in sport science and clinical applications. Lower reliability in other muscle sites suggest they are not appropriate to be used alone, but may add information when combined to better reflect systemic intensity and fatigue during exercise at different intensities.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,255
Écart entre enseignants0,244 · 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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetCardiovascular and exercise physiologyTravaux en français237 207