Reduced Exertion High Intensity Interval Training (REHIT) on the Rowing Ergometer Elicits Lower Blood Lactate Accumulation and Higher Enjoyment and Affective Valence Versus Cycle Ergometry
Notice bibliographique
Résumé
Reduced exertion high intensity interval training (REHIT) is an extremely time-efficient version of sprint interval training requiring two to three 20 s “all-out” sprints within a 10 min exercise session. Findings from laboratories in the UK (Metcalfe et al. 2012) and Canada (Gillen et al. 2016) show significant increases in VO2max, glycemic control, and body composition in inactive adults completing 6 - 12 wk of cycling based REHIT. A prior study (Astorino et al. 2020) in 85 adults having diverse VO2max values shows positive affective valence despite substantial blood lactate (BLa) accumulation. Whether REHIT can be performed using other exercise modes is unknown. PURPOSE: To compare changes in BLa, enjoyment, and affective valence between rowing and cycling REHIT. METHODS: Healthy, active adults (N = 20, age = 27 ± 6 yr) unfamiliar with REHIT completed four sessions using a within-subjects, repeated measures design. Sessions were separated by > 24 hr and held at the same time of day within participants. On 2 separate days, they underwent a VO2max test on the cycle ergometer and rowing ergometer and were familiarized to REHIT. Subsequently, they completed REHIT on both modes consisting of three “all-out” 20 s sprints separated by 3 min active recovery. Resistance was equal to 5 % body mass and a drag factor = 135 or 145 for women and men, respectively. BLa, affective valence, rating of perceived exertion (RPE 6 – 20), and enjoyment were acquired during exercise. RESULTS: Results showed no difference in peak HR (98 ± 6 vs. 95 ± 4 %HRmax, p = 0.06) or maximal workload (191 ± 34 vs. 204 ± 29 %Wmax, p = 0.25) between rowing and cycling REHIT. Rowing REHIT exhibited significantly lower BLa (p < 0.001) at 2, 30, and 60 min post-exercise (7.0 ± 2.2 vs. 11.6 ± 2.8 mM, p < 0.001, d = 1.9; 3.1 ± 1.5 vs. 6.2 ± 2.8 mM, p < 0.001, d =1.4; and 2.0 ± 0.7 vs. 3.1 ± 1.3 mM, p = 0.02, d = 1.2) versus cycling. In addition, results showed significantly greater enjoyment (101 ± 12 vs. 89 ± 17, p < 0.001, d = 0.84) and lower delta RPE (7.8 ± 2.0 vs. 9.5 ± 2.1, p = 0.001, d = 0.85) and affective valence (-1.2 ± 1.5 vs. -2.4 ± 2.7, p = 0.036, d = 0.54) with rowing versus cycling REHIT. CONCLUSION: Overall, rowing REHIT represents a suitable alternative to cycling as it maintains the supramaximal intensity while optimizing the perceptual response.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 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 ».