The effect of inspiratory muscle training on the inspiratory muscle metaboreflex: A systematic review
Notice bibliographique
Résumé
Background: Increases in respiratory work and, consequently, the development of respiratory muscle fatigue can result in activation of the inspiratory muscle metaboreflex (IMM). This central nervous system response includes redirection of blood flow from skeletal muscles to respiratory muscles, which can limit exercise capacity. Therefore, developing approaches that may minimize the need for IMM is important. Recent studies have suggested that inspiratory muscle training (IMT) may reduce the IMM response. This review aims to synthesize studies that examine the efficacy of IMT in reducing IMM. Methods: Databases were systematically searched for randomized controlled clinical trials (RCTs) and non-randomized controlled trials evaluating the effect of IMT on the IMM. Searches were performed in MEDLINE/PubMed, SCOPUS, Web of Science and LILACS from inception to December 2023. Assessment of the methodological quality of the included studies was guided by the PEDro scale. Results: Four studies met the inclusion criteria, two RCTs and two non-randomized controlled trials, collectively including 76 subjects. Three studies included healthy subjects, and one included patients with heart failure. In all studies, IMT demonstrated a significant attenuating effect on the IMM, increasing inspiratory muscle strength and time of exercise tolerance (Tlim). Conclusion: Current evidence suggests that IMT may provide an effective approach for attenuating the IMM and increasing inspiratory muscle strength and Tlim. However, the small collective sample size and heterogeneity across studies limit current recommendations.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».