‘Muscular wisdom’ revisited: Decaying rates of stimulation mitigate torque loss
Notice bibliographique
Résumé
During a sustained high-intensity isometric maximal voluntary contraction (MVC), declining motor unit firing rates (MUFRs) accompany torque loss. This decline (∼50% over 60 s) helps to maintain torque by preserving peripheral electrical propagation and matching the slowing contractile properties with torque loss (i.e., 'muscular wisdom'). However, it has been suggested that reduced MUFRs contribute to torque loss. Here, we compared torque loss between constant and decaying rates of electrical stimulation to mimic MUFRs reported during MVCs. The dorsiflexors of 8 males and 5 females (21-30 years) underwent three 60 s muscle fatiguing conditions: (1) sustained MVC; (2) constant high-frequency electrical stimulation (40 Hz); and (3) exponentially decaying stimulation rate (from 40 to 20 Hz). The decaying rate demonstrated less torque loss compared with the sustained high-frequency stimulation and the MVC conditions (P < 0.01). Furthermore, torque increased (by ∼17%, P < 0.005) when the constant high-frequency condition was switched to 20 Hz for 2 s at task termination. Conversely, torque loss was accelerated when the decaying stimulation rate was switched from 20 to 40 Hz for 2 s at task termination (by ∼16%, P < 0.001). Following all conditions, evoked twitch responses slowed (by 29%-77%, P < 0.01) but M-wave amplitude was reduced only for the constant high-frequency condition (by ∼23%, P < 0.01). Thus, the reduction in stimulation rates maintained optimal activation by matching the fatigue-induced contractile slowing in combination with preserved peripheral electrical conductance. Therefore, reducing the activation rate preserves torque, rather than contributing to torque loss during high-intensity contractions, thereby supporting the muscle wisdom hypothesis.
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 ».