Analysis of the factors influencing the proximity and agreement between critical power and maximal lactate steady state: a systematic review and meta-analyses
Notice bibliographique
Résumé
Identifying the boundary between heavy and severe exercise domains is crucial since it demarcates the transition from sustainable to unsustainable exercise. This systematic review aimed to determine differences and agreement between two indices used to determine this boundary, namely critical power (CP) and maximal lactate steady state (MLSS), and how moderators may affect these differences. Ten out of 782 studies found were included in the meta analyses. Random effect meta-analyses were performed to evaluate the mean differences (MD) between CP and MLSS, and moderators’ effect on MD was assessed using meta-regression. CP and MLSS agreement was tested using Bland-Altman meta-analyses on the limits of agreements (LoA) of the MD. Power output (PO) at CP was higher (MD (95% LoA) = 12.42 [−19.23; 44.08] W, p = 0.005) than PO at MLSS, with no differences between CP and MLSS in terms of oxygen uptake (MD (95% LoA) = 0.09 [−0.34; 0.52] L⋅min −1 , p = 0.097), heart rate (MD (95% LoA) = 0.61 [−15.84; 17.05] bpm, p = 0.784), and blood lactate concentration (MD (95% LoA) = 1.63 [−2.85; 6.11] mM, p = 0.240). Intensities at CP ( p = 0.002) and MLSS ( p = 0.010) influenced the MD expressed in W. In conclusion, solely when expressed in PO, CP was higher than MLSS, with larger differences in fitter and younger individuals, emphasizing the possible effect of the indicators used for assessing exercise intensity. Finally, the high interindividual variability observed in the differences between CP and MLSS could compromise their interchangeability in predicting the heavy to severe boundary regardless of the parameter used to assess exercise intensity.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».