Dietary protein for athletes: From requirements to optimum adaptation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Opinion on the role of protein in promoting athletic performance is divided along the lines of how much aerobic-based versus resistance-based activity the athlete undertakes. Athletes seeking to gain muscle mass and strength are likely to consume higher amounts of dietary protein than their endurance-trained counterparts. The main belief behind the large quantities of dietary protein consumption in resistance-trained athletes is that it is needed to generate more muscle protein. Athletes may require protein for more than just alleviation of the risk for deficiency, inherent in the dietary guidelines, but also to aid in an elevated level of functioning and possibly adaptation to the exercise stimulus. It does appear, however, that there is a good rationale for recommending to athletes protein intakes that are higher than the RDA. Our consensus opinion is that leucine, and possibly the other branched-chain amino acids, occupy a position of prominence in stimulating muscle protein synthesis; that protein intakes in the range of 1.3-1.8 g · kg(-1) · day(-1) consumed as 3-4 isonitrogenous meals will maximize muscle protein synthesis. These recommendations may also be dependent on training status: experienced athletes would require less, while more protein should be consumed during periods of high frequency/intensity training. Elevated protein consumption, as high as 1.8-2.0 g · kg(-1) · day(-1) depending on the caloric deficit, may be advantageous in preventing lean mass losses during periods of energy restriction to promote fat loss.
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.
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 | 0,001 | 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 découle