Effect of tapering period on plasma hormone concentrations, mood state, and performance of elite male cyclists
Notice bibliographique
Résumé
Abstract In this study, we investigated the effect of 1‐ and 3‐week tapering periods on concentrations of plasma testosterone (T), cortisol (C), T/C ratio, mood state, and performance in elite male cyclists. After 8 weeks of progressive training, cyclists were randomly assigned to a control group (n=12) who continued performing intense training for a further 3 weeks, or a taper group (n=12) who continued with a 50% reduction in training volume. Blood testosterone and cortisol concentrations were assayed and the T/C ratio calculated from analysis obtained via standard ELISA. Mood state was determined using the Profile of Mood States (POMS) questionnaire. All data were collected immediately after a 40‐km time‐trial performed before, during, and after the 8‐week training protocol and after the 1‐ and 3‐week tapering/training periods. In the taper group, 40‐km time‐trial time decreased significantly (P<0.01) and equally for both the 1‐ and 3‐week taper periods relative to the control group. There were significant elevations in T/C ratio (P<0.001) and reductions in cortisol concentrations and POMS scores in the taper group relative to the control groups at the end of both the 1‐ and 3‐week tapering periods. Hence, taper periods are effective in improving performance and mood state and elevating the blood T/C ratio.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».