The impact of high-intensity interval training on women’s health: A bibliometric and visualization analysis
Notice bibliographique
Résumé
BACKGROUND: High-intensity interval training (HIIT) can significantly improve health indicators such as cardiopulmonary function, metabolic efficiency, and muscle strength in a short period. However, due to significant physiological and metabolic differences between males and females, the effects of HIIT vary between genders. Therefore, exploring the specific impacts of HIIT on women's health is crucial. Although there is a considerable amount of individual research on the impact of HIIT on women's health, a systematic bibliometric analysis is still lacking. METHODS: Publications related to HIIT in women's health were retrieved from the Web of Science Core Collection database, and tools like Microsoft Office Excel 2021, VOSviewer, and Citespace were used to create visualized tables and views. RESULTS: The study included 808 publications distributed across 1234 institutions in 61 countries, authored by 3789 researchers. The United States, Australia, and Canada lead in this domain. Researchers like Astorino TA and Gibala MJ are notably influential in this field. The research has been prominently published in specific academic journals and widely cited by high-impact journals. Highly cited and bursting documents primarily discuss the effects of HIIT on metabolic adaptation, muscle adaptation, cardiovascular health, insulin sensitivity, and exercise performance. Frequent keywords include "aerobic exercise," "sprint interval training," "resistance training," "obesity," "body composition," "aging," and "insulin resistance." Keyword burst analysis reveals that early studies focused primarily on basic concepts and training models, which then expanded to specific physiological responses, applications in particular populations, and impacts on specific diseases. CONCLUSION: This field has emerged as a research hotspot with international characteristics and extensive academic productivity. Journals and cited journals hold high academic influence, with highly cited and bursty references laying a solid theoretical and practical foundation for the field. In the rapid development of the past decade, research hotspots and frontier directions such as metabolic adaptation, muscle adaptation, cardiovascular health, exercise performance, and personalized training plans have been formed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,129 | 0,168 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».