Nutritional needs of elite endurance athletes. Part II: Dietary protein and the potential role of caffeine and creatine
Notice bibliographique
Résumé
Abstract Amino acids contribute between 2–8% of the energy needs during endurance exercise. Endurance exercise training leads to an adaptive reduction in the oxidation of amino acids at the same absolute exercise intensity, however, the capacity to oxidize amino acids goes up due to the increase in the total amount of the rate limiting enzyme, branched chain 2‐oxo‐acid dehydrogenase. There appears to be a modest increase (range = 12–95%) in protein requirements only for very well trained athletes who are actively training. Although the majority of athletes will have ample dietary protein to meet any increased need, those on a hypoenergetic diet or during extreme periods of physical stress may need dietary manipulation to accommodate the need. Caffeine is a trimethylxanthine derivative that is common in many foods and beverages. The consumption of caffeine (3–7 mg/kg) prior to endurance exercise improves performance for habitual and non‐habitual consumers. The ergogenic effect is likely due to a direct effect on muscle contractility and not via an enhancement of fatty acid oxidation. Creatine is important in intra‐cellular energy shuttling and in cellular fluid regulation. Creatine monohydrate supplementation (20 g/d X 3–5 days) increases fat‐free mass, improves muscle strength during repetitive high intensity contractions and increases fat‐free mass accumulation and strength during a period of weight training. Given the increase in weight, there are likely neutral or even performance reducing effects in sports that are influenced by body mass (i.e., running, hill climbing cycling).
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 | 0,001 |
| 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 ».