Assessing Energy Expenditure in Male Endurance Athletes
Notice bibliographique
Résumé
PURPOSE: The correct assessment of energy expenditure (EE) in athletes is important to ensure that dietary energy intake is sufficient. In general, athletes are individuals with especially high levels of total EE (TEE) and exercise-related EE (ExEE). The SenseWear Pro3 Armband (SWA) is a multisensor device for the individual assessment of EE, but data on the validity for higher exercise intensities are missing. The aim of the study was to validate the SWA for the assessment of TEE and ExEE in endurance athletes. METHODS: The SWA was worn by 14 male endurance athletes for 7 d during a regular training period, and TEE was measured in parallel with the doubly labeled water method. Two controlled exercise trials (treadmill running=2.4-4.8 m·s, stationary bicycling=140-380 W) were performed, during which indirect calorimetry was used to assess ExEE. RESULTS: TEE assessed with the SWA and TEE measured with the doubly labeled water method were significantly correlated (r=0.73, P<0.01), but there were a proportional bias and considerably wide limits of agreement (-1368 to 1238 kcal·d). The error of TEE assessed with the SWA was related to the athletes' individual lactate thresholds (P<0.05). During running and bicycling, ExEE was significantly underestimated for most exercise intensities, and the underestimation increased with exercise intensity (P<0.001). CONCLUSIONS: According to our results, the SWA does not provide valid results of TEE and ExEE in endurance athletes because of the underestimation of EE at higher exercise intensities. It seems necessary to develop exercise-specific prediction equations to improve EE measurements in athletes.
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 ».