Workload demands in professional multi-stage cycling races of varying duration
Notice bibliographique
Résumé
OBJECTIVE: To analyse and compare the workload exerted by professional cyclists in 5-day, 8-day and 21-day stage races (5-SR, 8-SR, 21-SR). METHODS: The study subjects were 30 professional cyclists competing in 10 5-SR, 5 8-SR and 5 21-SR. Heart rate (HR) was measured during the races and categorised into three intensity zones: Z1 (below the ventilatory threshold (VT)), Z2 (between VT and the respiratory compensation threshold (RCT)) and Z3 (above RCT). The training impulse (TRIMP) was calculated by multiplying the sum of the time spent in each zone by 1, 2 and 3, respectively. Monotony (average TRIMP/SD) and strain (total TRIMPxmonotony) were also calculated for each race type. RESULTS: The average time spent in Z3 during each stage was significantly (p<0.05) higher for 5-SR ( approximately 31 min) and 8-SR ( approximately 28 min) than for 21-SR ( approximately 14 min). Daily TRIMP values in 5-SR ( approximately 400) and 8-SR ( approximately 395) were also higher than in 21-SR ( approximately 370). Monotony was similar across races ( approximately 3) but strain was about three times higher for 21-SR than for 5-SR and 8-SR. CONCLUSIONS: The cyclists' effort by stage was less for 21-SR than for 5-SR and 8-SR. Competition strain and monotony accumulated during longer races influence the choice of strategies adopted by cyclists. It is likely that the intensity of each stage is modulated by total race duration, with longer races averaging the lowest daily workload.
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 | 0,003 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».