MétaCan
Menu
Retour à la cohorte
Enregistrement W2345758022 · doi:10.1123/pes.2015-0078

The Effect of Postexercise Milk Protein Intake on Rehydration of Children

2015· article· en· W2345758022 sur OpenAlexafffund
Kimberly A. Volterman, Daniel R. Moore, Joyce Obeid, Elizabeth Offord, Brian W. Timmons

Notice bibliographique

RevuePediatric Exercise Science · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchNestec
Mots-clésCrossover studyMedicineBalance (ability)Animal scienceDehydrationCaloric theoryFluid intakeInternal medicineFood scienceEndocrinologyChemistryPhysical therapyBiologyBiochemistryPlacebo

Résumé

récupéré en direct d'OpenAlex

PURPOSE: In adults, rehydration after exercise in the heat can be enhanced with a protein-containing beverage; however, whether this applies to children remains unknown. This study examined the effect of milk protein intake on postexercise rehydration in children. METHOD: Fifteen children (10-12 years) performed three exercise trials in the heat (34.4 ± 0.2 °C, 47.9 ± 1.1% relative humidity). In a randomized, counterbalanced crossover design, participants consumed iso-caloric and electrolyte-matched beverages containing 0 g (CONT), 0.76 g (Lo-PRO) or 1.5 g (Hi-PRO) of milk protein/100 mL in a volume equal to 150% of their body mass (BM) loss during exercise. BM was then assessed over 4 h of recovery. RESULTS: Fluid balance demonstrated a significant condition × time interaction (p = .012) throughout recovery; Hi-PRO was less negative than CONT at 2 hr (p = .01) and tended to be less negative at 3 h (p = .07). Compared with CONT, beverage retention was enhanced by Hi-PRO at 2 h (p < .05). CONCLUSION: A postexercise beverage containing milk protein can favorably affect fluid retention in children. Further research is needed to determine the optimal volume and composition of a rehydration beverage for complete restoration of fluid balance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,282
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePediatric Exercise ScienceMême sujetThermoregulation and physiological responsesTravaux en français237 207