Failure of Protein to Improve Time Trial Performance when Added to a Sports Drink
Notice bibliographique
Résumé
INTRODUCTION: Recent studies have reported that adding approximately 2% protein to a carbohydrate sports drink increased cycle endurance capacity compared with carbohydrate alone. However, the practical implications of these studies work are hampered by the following limitations: (a) the rate of carbohydrate ingestion was less than what is considered optimal for endurance performance, and (b) the performance test (exercise time to fatigue) did not mimic the way in which athletes typically compete (i.e., a race in which a fixed distance or set amount of work is performed as quickly as possible). PURPOSE: We tested the hypothesis that adding 2% protein to a 6% carbohydrate drink (CHO-PRO) would improve 80-km cycling time trial performance, as compared with a 6% carbohydrate drink (CHO) and a nonenergetic sweetened placebo (PLAC). METHODS: Ten trained male cyclists (24 +/- 2 yr; VO2peak = 63 +/- 2 mL.kg(-1).min(-1); mean +/- SE) performed an 80-km laboratory time trial (TT) on three occasions separated by 7 d. In a double-blind crossover manner, subjects ingested CHO-PRO, CHO, or PLAC at a rate of 250 mL every 15 min with no temporal, verbal, or physiological feedback. RESULTS: Time to complete the TT was 4.4% lower (P < 0.002) during CHO (135 +/- 9 min) and CHO-PRO (135 +/- 9) compared with PLAC (141 +/- 10), with no difference between CHO and CHO-PRO (P = 0.92). CONCLUSION: Ingesting 6% carbohydrate at a rate of 1 L.h(-1) (60 g.h(-1)) improved an 80-km TT performance in trained male cyclists. However, adding 2% protein to a 6% carbohydrate drink provided no additional performance benefit during a task that closely simulated the manner in which athletes typically compete.
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 | 0,001 |
| 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 ».