Pre-Exercise Hyperhydration Delays Dehydration and Improves Endurance Capacity during 2 h of Cycling in a Temperate Climate
Notice bibliographique
Résumé
Whether the use of pre-exercise hyperhydration could improve the performance of athletes who do not hydrate sufficiently during prolonged exercise is still unknown. We therefore compared the effects of pre-exercise hyperhydration and pre-exercise euhydration on endurance capacity, peak power output and selected components of the cardiovascular and thermoregulatory systems during prolonged cycling. Using a randomized, crossover experimental design, 6 endurance-trained subjects underwent a pre-exercise hyperhydration (26 ml of water x kg body mass(-1) with 1.2 g glycerol x kg body mass(-1)) or pre-exercise euhydration period of 80 min, followed by 2 h of cycling at 65% maximal oxygen consumption (VO(.)2max) (26-27 degrees C) that were interspersed by 5, 2-min intervals performed at 80% V(.)O2max. Following the 2 h cycling exercise, subjects underwent an incremental cycling test to exhaustion. Pre-exercise hyperhydration increased body water by 16.1+/-2.2 ml.kg body mass(-1). During exercise, subjects received 12.5 ml of sports drink x kg body mass(-1). With pre-exercise hyperhydration and pre-exercise euhydration, respectively, fluid ingestion during exercise replaced 31.0+/-2.9% and 37.1+/-6.8% of sweat losses (p>0.05). Body mass loss at the end of exercise reached 1.7+/-0.3% with pre-exercise hyperhydration and 3.3+/-0.4% with pre-exercise euhydration (p<0.05). During the 2 h of cycling, pre-exercise hyperhydration significantly decreased heart rate and perceived thirst, but rectal temperature, sweat rate, perceived exertion and perceived heat-stress did not differ between conditions. Pre-exercise hyperhydration significantly increased time to exhaustion and peak power output, compared with pre-exercise euhydration. We conclude that pre-exercise hyperhydration improves endurance capacity and peak power output and decreases heart rate and thirst sensation, but does not reduce rectal temperature during 2 h of moderate to intense cycling in a moderate environment when fluid consumption is 33% of sweat losses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».