Beyond muscle hypertrophy: why dietary protein is important for endurance athletes
Notice bibliographique
Résumé
Recovery from the demands of daily training is an essential element of a scientifically based periodized program whose twin goals are to maximize training adaptation and enhance performance. Prolonged endurance training sessions induce substantial metabolic perturbations in skeletal muscle, including the depletion of endogenous fuels and damage/disruption to muscle and body proteins. Therefore, increasing nutrient availability (i.e., carbohydrate and protein) in the post-training recovery period is important to replenish substrate stores and facilitate repair and remodelling of skeletal muscle. It is well accepted that protein ingestion following resistance-based exercise increases rates of skeletal muscle protein synthesis and potentiates gains in muscle mass and strength. To date, however, little attention has focused on the ability of dietary protein to enhance skeletal muscle remodelling and stimulate adaptations that promote an endurance phenotype. The purpose of this review is to critically discuss the results of recent studies that have examined the role of dietary protein for the endurance athlete. Our primary aim is to consider the results from contemporary investigations that have advanced our knowledge of how the manipulation of dietary protein (i.e., amount, type, and timing of ingestion) can facilitate muscle remodelling by promoting muscle protein synthesis. We focus on the role of protein in facilitating optimal recovery from, and promoting adaptations to strenuous endurance-based training.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».