Value-Added: Importance of Incorporating Menstrual Cycle Phases to Clarify Sex-Related Differences in Force Steadiness
Notice bibliographique
Résumé
Abstract Aim This study aimed to determine whether female elbow flexion force steadiness varies across the menses, follicular and luteal phases of the menstrual cycle. Methods To control for repeated testing effects unrelated to hormonal fluctuations across the menstrual cycle, a comparison group of males completed the same protocol over three equally spaced testing sessions to the females. Maximal voluntary contractions and force steadiness were assessed in the neutral and pronated forearm positions. Elbow flexion force tracking tasks were performed at 2.5, 5, 10, 25, 50 and 75% maximal voluntary contraction in both forearm positions, and force steadiness was quantified as the coefficient of variation of force. Results Males were stronger than females (p<0.001), and maximal voluntary contractions did not differ between menstrual phases (p>0.14) or between days in males (p>0.56) in both forearm positions. There was no difference in coefficient of variation of force across sessions for the males (p<0.36). The coefficient of variation of force for all submaximal forces was significantly greater during the luteal phase compared to menses (Neutral p=0.02; Pronated p<0.05) but not the follicular phase (Neutral p=0.71; Pronated p=0.10). The coefficient of variation of force during the luteal phase in females was higher than males in both positions (p<0.02). Conclusion These findings support previous observations that females are less steady than males for isometric steady contractions; however, this study identifies luteal specific phase effects. This underscores the importance of accounting for menstrual cycle phase when conducting sex-related comparisons.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».