Heart rate biofeedback attenuates effects of mental fatigue on exercise performance
Notice bibliographique
Résumé
Objective: Cognitive control exertion increases mental fatigue and impairs subsequent physical performance. Few studies have investigated intervention strategies to attenuate the effects of mental fatigue on exercise behavior. This study examined heart rate (HR) biofeedback as a moderator of the effects of mental fatigue on vigorous-intensity exercise performance. Design: Within-subjects, crossover design. Methods: Participants (N=36) completed four 20-min sessions of self-paced, cycling exercise. Exercise was preceded by 10-min high or low cognitive control manipulations crossed with HR biofeedback or no feedback during exercise in a 2 (high vs. low cognitive control) X 2 (biofeedback vs. no feedback) factorial arrangement. Participants rated their intended rating of perceived exertion (RPE) and goal commitment prior to and following the cognitive control manipulations. HR and total work were recorded during each exercise session. Results: Mental fatigue was significantly greater following high cognitive control exertion, which corresponded with significant reductions in intended RPE and goal commitment. Participants exercised at a lower average HR and performed less work in the high cognitive control/no feedback condition, however, with HR biofeedback following high cognitive control exertion participants attained similar HRs and total work performed to the low cognitive control conditions, which did not differ. Conclusions: HR biofeedback improves self-regulation of exercise behavior in a mentally fatigued state. Without biofeedback, fatigued people may down-regulate exercise intensity. Findings have implications for the use of HR monitoring devices to improve intensity-based exercise prescription adherence when confronted with barriers such as mental fatigue.
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 | 0,000 | 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) | 0,001 | 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; 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 ».