Nutritional Strategies to Support Adaptation to High-Intensity Interval Training in Team Sports
Notice bibliographique
Résumé
Team sports are characterized by intermittent high-intensity activity patterns. Typically, play consists of short periods of very intense or all-out efforts interspersed with longer periods of low-intensity activity. Fatigue is a complex, multi-factorial process, but intense intermittent exercise performance can potentially be limited by reduced availability of substrates stored in skeletal muscle and/or metabolic by-products associated with fuel breakdown. High-intensity interval training (HIT) has been shown to induce adaptations in skeletal muscle that enhance the capacity for both oxidative and non-oxidative metabolism. Nutrient availability is a potent modulator of many acute physiological responses to exercise, including various molecular signaling pathways that are believed to regulate cellular adaptation to training. Several nutritional strategies have also been reported to acutely alter metabolism and enhance intermittent high-intensity exercise performance. However, relatively little is known regarding the effect of chronic interventions, and whether supplementation over a period of weeks or months augments HIT-induced physiological remodeling and promotes greater performance adaptations. Theoretically, a nutritional intervention could augment HIT adaptation by improving energy metabolism during exercise, which could facilitate greater total work and an enhanced chronic training stimulus, or promoting some aspect of the adaptive response during recovery, which could lead to enhanced physiological adaptations over time.
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) | 0,000 | 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 ».