Gender differences in carbohydrate loading are related to energy intake
Notice bibliographique
Résumé
We demonstrated that female endurance athletes did not increase their muscle glycogen concentration after an increase in the dietary carbohydrate intake (58 --> 74%), whereas men did (Tarnopolsky MA, SA Atkinson, SM Phillips, and JD McDougall, J Appl Physiol 78: 1360-1368, 1995). This may have been related to a lower energy or carbohydrate intake by the women or due to an inherent gender difference in glycogen storage capacity. We examined whether well-trained men (n = 6) and women (n = 6) increased muscle glycogen concentration after an increase in both the relative (58 --> 75%) and absolute energy and carbohydrate intake and whether potential gender differences were related to muscle hexokinase enzyme activity. Subjects were randomly allocated to three diets [Hab, habitual; CHO, high carbohydrate (75%); and CHO + E, extra energy + CHO ( upward arrow~34%)] for a 4-day period before a muscle biopsy for analysis of total and pro- and macroglycogen and hexokinase activity. Total glycogen concentration was higher for the men on the CHO and CHO + E trials compared with Hab (P < 0.05), whereas women increased only on the CHO + E trial compared with Hab (P < 0.05). There were no gender differences in the proportion of pro- and macroglycogen or hexokinase activity. A low energy intake may explain the previously reported lower capacity for women to glycogen load compared with men.
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) | 0,000 | 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) | 0,004 | 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 ».