MétaCan
Menu
Retour à la cohorte
Enregistrement W91638430 · doi:10.3233/ies-2008-0293

Effect of time-of-day on neuromuscular properties of knee extensors after a short exhaustive cycling exercise

2008· article· en· W91638430 sur OpenAlexaff
A. Nicolas, Antoine Gauthier, Nicolas Bessot, Sébastien Moussay, Guy Thibault, Bruno Sesboüé, Damien Davenne

Notice bibliographique

RevueIsokinetics and Exercise Science · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCyclingPhysical medicine and rehabilitationMedicinePhysical therapyGeography

Résumé

récupéré en direct d'OpenAlex

We investigated the effect on neuromuscular properties of the knee extensors of an exhaustive cycling exercise performed at 6AM and 6PM. Eleven well trained cyclists performed a maximal aerobic exercise consisting in a sustained effort at 95% of their maximal power until exhaustion(T $_{lim}$ ). Isometric maximal voluntary contraction (MVC) and electromyographic activities (root mean square: RMS) of the vastus lateralis were recorded before (pre-test) and immediately after (post-test) the cycling exercise. The MVC/RMS ratio was calculated and used as an index of neuromuscular efficiency (NME). Rectal temperature was recorded continuously throughout the test session. Results show that T $_{lim}$ cycling exercise was not time-of-day dependent (p=0.42). A significant interaction effect of time of day and the cycling exercise was demonstrated for MVC (p<0.02) and NME(p<0.05). In pre-test, MVC and NME were higher in the late afternoon than in the morning (+6.8%); however both parameters were more affected by the T $_{lim}$ exercise at 6PM than at 6AM. These results suggest that following cycling T $_{lim}$ exercise, neuromuscular properties of the knee extensors are more affected in the evening than in the morning. However, circadian rhythm of some biomechanical parameters implicated in the pedalling movement may modulate the effect of these diurnal variations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsokinetics and Exercise ScienceMême sujetSports Performance and TrainingTravaux en français237 207