MétaCan
Menu
Retour à la cohorte
Enregistrement W4408256183 · doi:10.1155/tsm2/2008291

Zone 2 Intensity: A Critical Comparison of Individual Variability in Different Submaximal Exercise Intensity Boundaries

2025· article· en· W4408256183 sur OpenAlexaff
B. Meixner, Luca Filipas, Hans‐Christer Holmberg, Billy Sperlich

Notice bibliographique

RevueTranslational Sports Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBlood lactateIntensity (physics)Exercise prescriptionLactate thresholdEndurance trainingAthletesExercise intensityMedicineVentilatory thresholdHeart rateCardiologyPhysical therapyInternal medicineVO2 maxBlood pressurePhysics

Résumé

récupéré en direct d'OpenAlex

Introduction: Endurance athletes often utilize low‐intensity training, commonly defined as Zone 2 (Z2) within a five‐zone intensity model, for its potential to enhance aerobic adaptations and metabolic efficiency. This study aimed at evaluating intra‐ and interindividual variability of commonly used Z2 intensity markers to assess their precision in reflecting physiological responses during training. Methods: Fifty cyclists (30 males and 20 females) performed both an incremental ramp and a step test in a laboratory setting, during which the power output, heart rate, blood lactate, ventilation, and substrate utilization were measured. Results: Analysis revealed substantial variability in Z2 markers, with the coefficients of variation (CV) ranging from 6% to 29% across different parameters. Ventilatory Threshold 1 (VT 1 ) and maximal fat oxidation (Fat Max ) showed strong alignment, whereas fixed percentages of HR max and blood lactate thresholds exhibited wide individual differences. Discussion: Standardized markers for Z2, such as fixed percentages of HR max , offer practical simplicity but may inaccurately reflect metabolic responses, potentially affecting training outcomes. Given the considerable individual variability, particularly in markers with high CVs, personalized Z2 prescriptions based on physiological measurements such as VT 1 and Fat Max may provide a more accurate approach for aligning training intensities with metabolic demands. This variability highlights the need for individualized low‐intensity training prescriptions to optimize endurance adaptations in cyclists, accommodating differences in physiological profiles and improving training specificity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,335
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational Sports MedicineMême sujetSports Performance and TrainingTravaux en français237 207