Muscle fatigue, pedalling technique and the VO2${{\dot{V}}_{{{{\mathrm{O}}}_{\mathrm{2}}}}}$ slow component during cycling
Notice bibliographique
Résumé
Abstract Above the first lactate threshold, the steady‐state is delayed or prevented due to the slow component (). This phenomenon has been associated with muscle fatigue, but evidence for a causal relationship is equivocal. Moreover, little is known about the contribution of pedalling technique adjustments to during fatiguing cycling exercise. Eleven participants completed constant power trials at 10% above the second lactate threshold. Muscle fatigue was assessed, utilizing femoral nerve stimulation and instrumented pedals, while , quadriceps oxygenation, electromyography (EMG) and pedal force components were measured. Correlations between physiological and mechanical variables were estimated at group and individual levels. Group correlations revealed moderate values for with quadriceps twitch force ( r = −0.51) and muscle oxygenation ( r = −0.52), while weak correlations were observed for EMG amplitude ( r = 0.26) and EMG mean power frequency ( r = −0.16), and with pedalling mechanical variables such as peak total downstroke force ( r = −0.16), minimum total upstroke force ( r = −0.16) and upstroke index of effectiveness ( r = 0.16). The findings here align with prior literature reporting significant correlations between the magnitude of muscle fatigue and that of , although there was large interindividual variability for all the reported correlations. Considering the heterogeneity in the data, it is difficult to determine the relative impact of pedalling technique adjustments on overall, but the present study opens the possibility that in some cases, increases in secondary to technical adjustments may be ‘superimposed’ on the underlying .
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 ».