Use of the Glycemic Index: Effects on Feeding Patterns and Exercise Performance
Notice bibliographique
Résumé
The focus of this paper is on the glycemic index (GI) that provides effectual information on planning nutritional strategies for carbohydrate (CHO) supplementation in exercise. Related research has suggested that the GI can be used as a reference guide for the selection of an ideal CHO supplement in sports nutrition. Recently, the manipulation of GI of CHO supplementation in optimizing athletic performance has provided an exciting new research area in sports nutrition. There is a growing evidence to support the use of the GI in planning the nutritional strategies for CHO supplementation in sports. The optimum CHO availability for exercise has been demonstrated by manipulating the GI of CHO. Research has shown that a low GI CHO-rich meal is a suitable CHO source before prolonged exercise in order to promote the availability of the sustained CHO. In contrast, a high GI CHO-rich meal appears to be beneficial for glycogen storage after the exercise by promoting greater glucose and insulin responses. The prescribed feeding patterns of CHO intake during recovery and prior to exercise on glycogen re-synthesis and exercise metabolism have been studied in the literature. However, the studies on the subject are still limited, leaving some open questions waiting for further empirical evidences. The most significant question is whether CHO supplementation before and after exercise is beneficial when consumed as large feedings or as a series of snacks. Further research is needed on the effect of feeding patterns on exercise performance.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».