Six Weeks of Low‐Volume Sprint Interval Training Improves Peak Oxygen Uptake Compared to a Non‐Exercise Control: A Randomized Controlled Trial
Notice bibliographique
Résumé
ABSTRACT Low‐volume sprint interval training (LVSIT) increases peak oxygen uptake (VO2peak) when performed three times a week for 6 weeks. Methodological and statistical concerns, however, constrain the veracity of prior findings. We therefore reassessed the VO2peak response to LVSIT using a randomized controlled trial design to mitigate bias and augment reporting quality. A generative model of VO2peak was constructed as a function of group, baseline VO2peak, age, sex, height, and change in body mass. Simulation experiments using previous data estimated that n = 15/group would achieve 80% power to detect a difference of 1 metabolic equivalent (MET) with a credible interval (CrI) of ≤ 1‐MET. Insufficiently active young adults (22 ± 3 years, body mass index: 24 ± 4 kg m−2, baseline VO2peak: 33 ± 7 mL kg−1 min−1) were randomized to perform 6 weeks of thrice weekly LVSIT (n = 17) or no exercise (CTL; n = 20). The LVSIT protocol involved 3 × 20‐s “all out” sprints over a 10‐min session of low‐intensity cycling. Bayesian generative multivariate modeling revealed that LVSIT increased absolute [+325 mL min−1 (101–605)] and relative VO2peak [+5.6 mL kg−1 min−1 (2.2–8.1)] versus CTL. All but one LVSIT participant (94%) were deemed a responder (i.e., mean estimate ± 95% CrI for relative VO2peak > 0). In contrast, four CTL participants (20%) met this criterion. LVSIT also improved time to exhaustion by +133 s (101–160) versus CTL. We unequivocally demonstrate that 6 weeks of thrice weekly LVSIT increased VO2peak in insufficiently active young adults compared to no exercise. By incorporating a robust design that included preregistration, concealed allocation assignment, statistical best practices, and applied Bayesian methods, and open data‐sharing, this study addresses prior methodological critiques of similar previous work.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».