Sweat rate, salt loss, and fluid intake during an intense on-ice practice in elite Canadian male junior hockey players
Notice bibliographique
Résumé
Previous research in many sports suggests that losing ~1%-2% body mass through sweating impairs athletic performance. Elite-level hockey involves high-intensity bursts of skating, arena temperatures are >10 degrees C, and players wear protective equipment, all of which promote sweating. This study examined the pre-practice hydration, on-ice fluid intake, and sweat and sodium losses of 44 candidates for Canada's junior men's hockey team (mean +/- SE age, 18.4 +/- 0.1 y; height, 184.8 +/- 0.9 cm; mass, 89.9 +/- 1.1 kg). Players were studied in groups of 10-12 during 4 intense 1 h practices (13.9 degrees C, 66% relative humidity) on 1 day. Hydration status was estimated by measuring urine specific gravity (USG). Sweat rate was calculated from body mass changes and fluid intake. Sweat sodium concentration ([Na]) was analyzed in forehead sweat patch samples and used with sweat rate to estimate sodium loss. Over 50% of players began practice mildly hypohydrated (USG > 1.020). Sweat rate during practice was 1.8 +/- 0.1 L.h(-1) and players replaced 58% (1.0 +/- 0.1 L.h(-1)) of the sweat lost. Body mass loss averaged 0.8% +/- 0.1%, but 1/3 of players lost more than 1%. Sweat [Na] was 54.2 +/- 2.4 mmol.L(-1) and sodium loss averaged 2.26 +/- 0.17 g during practice. Players drank only water during practice and replaced no sodium. In summary, elite junior hockey players incurred large sweat and sodium losses during an intense practice, but 2/3 of players drank enough to minimize body mass loss. However, 1/3 of players lost more than 1% body mass despite ready access to fluid and numerous drinking opportunities from the coaches.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».