What are the potential mechanisms of fatigue-induced skeletal muscle hypertrophy with low-load resistance exercise training?
Notice bibliographique
Résumé
High-load resistance exercise (>60% of 1-repetition maximum) is a well-known stimulus to enhance skeletal muscle hypertrophy with chronic training. However, studies have intriguingly shown that low-load resistance exercise training (RET) (≤60% of 1-repetition maximum) can lead to similar increases in skeletal muscle hypertrophy as compared with high-load RET. This has raised questions about the underlying mechanisms for eliciting the hypertrophic response with low-load RET. A key characteristic of low-load RET is performing resistance exercise to, or close to, task failure, thereby inducing muscle fatigue. The primary aim of this evidence-based narrative review is to explore whether muscle fatigue may act as an indirect or direct mechanism contributing to skeletal muscle hypertrophy during low-load RET. It has been proposed that muscle fatigue could indirectly stimulate muscle hypertrophy through increased muscle fiber recruitment, mechanical tension, ultrastructural muscle damage, the secretion of anabolic hormones, and/or alterations in the expression of specific proteins involved in muscle mass regulation (e.g., myostatin). Alternatively, it has been proposed that fatigue could directly stimulate muscle hypertrophy through the accumulation of metabolic by-products (e.g., lactate), and/or inflammation and oxidative stress. This review summarizes the existing literature eluding to the role of muscle fatigue as a stimulus for low-load RET-induced muscle hypertrophy and provides suggested avenues for future research to elucidate how muscle fatigue could mediate skeletal muscle hypertrophy.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».