Is beetroot juice more effective than sodium nitrate? The effects of equimolar nitrate dosages of nitrate-rich beetroot juice and sodium nitrate on oxygen consumption during exercise
Notice bibliographique
Résumé
Dietary nitrate has been reported to lower oxygen consumption in moderate- and severe-intensity exercise. To date, it is unproven that sodium nitrate (NaNO3(-); NIT) and nitrate-rich beetroot juice (BR) have the same effects on oxygen consumption, blood pressure, and plasma nitrate and nitrite concentrations or not. The aim of this study was to compare the effects of different dosages of NIT and BR on oxygen consumption in male athletes. Twelve healthy, well-trained men (median [minimum; maximum]; peak oxygen consumption: 59.4 mL·min(-1)·kg(-1) [40.5; 67.0]) performed 7 trials on different days, ingesting different nitrate dosages and placebo (PLC). Dosages were 3, 6, and 12 mmol nitrate as concentrated BR or NIT dissolved in plain water. Plasma nitrate and nitrite concentrations were measured before, 3 h after ingestion, and postexercise. Participants cycled for 5 min at moderate intensity and further 8 min at severe intensity. End-exercise oxygen consumption at moderate intensity was not significantly different between the 7 trials (p = 0.08). At severe-intensity exercise, end-exercise oxygen consumption was ~4% lower in the 6-mmol BR trial compared with the 6-mmol NIT (p = 0.003) trial as well as compared with PLC (p = 0.010). Plasma nitrite and nitrate concentrations were significantly increased after the ingestion of BR and NIT with the highest concentrations in the 12-mmol trials. Plasma nitrite concentration between NIT and BR did not significantly differ in the 6-mmol (p = 0.27) and in the 12-mmol (p = 0.75) trials. In conclusion, BR might reduce oxygen consumption to a greater extent compared with NIT.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».