Building muscle: nutrition to maximize bulk and strength adaptations to resistance exercise training
Notice bibliographique
Résumé
Abstract Several nutritional strategies can optimize muscle bulk and strength adaptations and enhance recovery from heavy training sessions. Adequate energy intake to meet the needs of training and carbohydrate intake sufficient to maintain glycogen stores (>7 g carbohydrate·kg −1 ·day −1 for women; >8 g carbohydrate·kg −1 ·day −1 for men) are important. Dietary protein intake for top sport athletes should include some foods with high biological value, with a maximum requirement of approximately 1.7 g·kg −1 ·day −1 being easily met with an energy sufficient diet. The early provision of carbohydrate (>1 g·kg −1 ) and protein (>10 g) early after an exercise session will enhance protein balance and optimize glycogen repletion. Creatine monohydrate supplementation over several days increases body mass through water retention and can increase high‐intensity repetitive ergometer performance. Creatine supplementation can enhance total body and lean fat free mass gains during resistance exercise training; however, strength gains do not appear to be enhanced versus an optimal nutritional strategy (immediate post‐exercise protein and carbohydrate). Some studies have suggested that β‐OH‐methyl butyric acid (β‐HMB) can enhance gains made through resistance exercise training; however, it has not been compared “head to head” with optimal nutritional practices. Overall, the most effective way to increase strength and bulk is to perform sport‐specific resistance exercise training with the provision of adequate energy, carbohydrate, and protein. Creatine monohydrate and β‐HMB supplementation may enhance the strength gains made through training by a small margin but the trade‐off is likely to be greater bulk, which may be ergolytic for any athlete participating in a weight‐supported activity.
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 | 0,001 | 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 ».