Influence of body mass loss and myoglobinuria on the development of muscle fatigue after a marathon in a warm environment
Notice bibliographique
Résumé
The aim of this study was to determine the changes in body mass and myoglobinuria concentration in recreational runners during a marathon in a warm environment, and the relation of these changes to muscle fatigue. We recruited 138 amateur runners (114 men and 24 women) for the study. Before the race, leg muscle power output was measured during a countermovement jump on a force platform, body weight was measured, and a urine sample was obtained. Within 3 min of race completion (28 °C; 46% relative humidity), the runners repeated the countermovement jump, body weight was measured again, and a second urine sample was obtained. Myoglobin concentration was determined in the urine samples. After the race, mean body mass reduction was 2.2% ± 1.2%. Fifty-five runners (40% of the total) reduced their body mass by less than 2%, and 10 runners (7.2%) reduced their body mass by more than 4%. Only 3 runners increased their body mass after the marathon. Mean leg muscle power reduction was 16% ± 10%. Twenty-four runners reduced their muscle power by over 30%. No myoglobin was detected in the prerace urine specimens, whereas postrace urinary myoglobin concentration increased to 3.5 ± 9.5 μg·mL(-1) (p < 0.05). Muscle power change after the marathon significantly correlated with postrace urine myoglobin concentration (r = -0.55; p < 0.001), but not with body mass change (r = -0.08; p = 0.35). After a marathon in a warm environment, interindividual variability in body mass change was high, but only 7% of the runners reduced their body mass by more than 4%. The correlation between myoglobinuria and muscle power change suggests that muscle fatigue is associated with muscle breakdown.
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 ».