The Effects of Percentage-Based, Rating of Perceived Exertion, Repetitions in Reserve, and Velocity-Based Training on Performance and Fatigue Responses
Notice bibliographique
Résumé
ABSTRACT: Cowley, N, Nicholson, V, Timmins, R, Munteanu, G, Wood, T, García-Ramos, A, Owen, C, and Weakley, J. The effects of percentage-based, rating of perceived exertion, repetitions in reserve, and velocity-based training on performance and fatigue responses. J Strength Cond Res 39(4): e516-e529, 2025-This study assessed the effects of percentage-based training (%1RM), rating of perceived exertion (RPE), repetitions in reserve (RIR), and velocity-based training (VBT) on (a) acute kinematic outputs, perceptions of effort, and changes in neuromuscular function during resistance training; and (b) neuromuscular fatigue and perceptions of soreness 24 hours after exercise. In a randomized crossover design, 15 subjects completed a %1RM, RPE, RIR, and VBT training condition involving a fatiguing protocol followed by 5 sets of the free-weight back squat and bench press at 70% of 1 repetition maximum. Subjects returned at 24 hours to assess neuromuscular fatigue and perceived soreness. Percentage-based training and RPE allowed the smallest volume loads, with %1RM prescription causing sets to be regularly taken to failure. Alternatively, RIR and VBT allowed greater maintenance of training volume. Velocity-based training had the most accurate training prescription, with all sets being within 5% of the intended starting velocity, while the RPE and %1RM prescriptive methods caused subjects to train with loads that were increasingly inaccurate. The RPE prescriptive method had the lowest reported values for differential RPE while the %1RM had the greatest change across the session. At no point were there between-group differences in measures of neuromuscular fatigue or perceived soreness. These findings demonstrate that autoregulatory prescriptive methods can be used to mitigate the risk of training to failure, ensure accurate training prescription that can maintain training volume, and enhance within-training kinematic outputs without altering neuromuscular fatigue or perceptions of soreness.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».