MétaCan
Menu
Retour à la cohorte
Enregistrement W2027475357 · doi:10.1139/h2001-046

Caffeine, Coffee and Ephedrine: Impact on Exercise Performance and Metabolism

2001· article· en· W2027475357 sur OpenAlexafffund
Terry E. Graham

Notice bibliographique

RevueCanadian Journal of Applied Physiology · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésCaffeineTheophyllineEphedrineMedicineInsulin resistancePharmacologyEndocrinologyDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

This paper addresses areas where there is controversy regarding caffeine as an ergogenic aid and also identifies topics that have not been adequately addressed. It is clear that caffeine, in moderate amounts, can be used orally as an ergogenic aid in aerobic activity lasting for more than 1 min. It increases endurance and speed, but not maximal VO2 and related parameters. While there are fewer well-controlled studies for resistance exercise, the literature would suggest similar improvements: increased endurance at submaximal tension and power generated in repeated contractions and no change in maximal ability to produce force. It is likely that theophylline (a related methylxanthine) has similar actions and it has been suggested that the combination of caffeine and sympathomimetics may be a more potent erogenic aid. The voids in our understanding of caffeine include the dose (what amount is optimal, what vehicle is used to deliver the drug as well as method, pattern, and mode of administration), the potential side effects (particularly in competitive settings), health implications (insulin resistance and if combined with ephedrine, cardiovascular risks) and mechanisms of action. It appears unlikely that increased fat oxidation and glycogen sparing is the prime ergogenic mechanism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,263
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations115
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Applied PhysiologyMême sujetCoffee research and impactsTravaux en français237 207