Nitrate supplementation and high-intensity performance in competitive cyclists
Notice bibliographique
Résumé
Consumption of inorganic nitrate (NO3(-)) is known to enhance endurance exercise performance in recreationally trained subjects. Here we report the effect on a high-intensity performance task in national-level cyclists. The performance test consisted of 2 cycle ergometer time trials of 4 min duration with 75 min between trials. In a randomized crossover design, 26 cyclists performed the test under the following 4 conditions (each separated by a 6-day washout): consumption of 70 mL of nitrate-rich beetroot juice at 150 min or 75 min before the first time trial, addition of a 35 mL "top-up dose" following the first time trial in the 150 min condition, and consumption of a placebo. A linear mixed model with adjustments for learning effects and athlete fitness (peak incremental power) was used to estimate effects on mean power, with probabilistic inferences based on a smallest important effect of 1.0%. Peak plasma nitrite (NO2(-)) concentration was greatest when nitrate was taken 75 min before the first time trial. Relative to placebo, the mean effect of all 3 nitrate treatments was unclear in the first time trial (1.3%, 90% confidence limits: ±1.7%), but possibly harmful in the second time trial (-0.3%, ±1.6%). Differences between nitrate treatments were unclear, as was the estimate of any consistent individual response to the treatments. Allowing for sampling uncertainty, the effect of nitrate on performance was less than previous studies. Under the conditions of our experiment, nitrate supplementation may be ineffective in facilitating high-intensity exercise in competitive athletes.
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) | 0,001 | 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) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».