Considerations for protein intake in managing weight loss in athletes
Notice bibliographique
Résumé
A large body of evidence now shows that higher protein intakes (2-3 times the protein Recommended Dietary Allowance (RDA) of 0.8 g/kg/d) during periods of energy restriction can enhance fat-free mass (FFM) preservation, particularly when combined with exercise. The mechanisms underpinning the FFM-sparing effect of higher protein diets remain to be fully elucidated but may relate to the maintenance of the anabolic sensitivity of skeletal muscle to protein ingestion. From a practical point of view, athletes aiming to reduce fat mass and preserve FFM should be advised to consume protein intakes in the range of ∼1.8-2.7 g kg(-1) d(-1) (or ∼2.3-3.1 g kg(-1) FFM) in combination with a moderate energy deficit (-500 kcal) and the performance of some form of resistance exercise. The target level of protein intake within this recommended range requires consideration of a number of case-specific factors including the athlete's body composition, habitual protein intake and broader nutrition goals. Athletes should focus on consuming high-quality protein sources, aiming to consume protein feedings evenly spaced throughout the day. Post-exercise consumption of 0.25-0.3 g protein meal(-1) from protein sources with high leucine content and rapid digestion kinetics (i.e. whey protein) is recommended to optimise exercise-induced muscle protein synthesis. When protein is consumed as part of a mixed macronutrient meal and/or before bed slightly higher protein doses may be optimal.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».