Pacing Strategy During 24-Hour Ultramarathon-Distance Running
Notice bibliographique
Résumé
Purpose: To describe pacing strategy in a 24-h running race and its interaction with sex, age group, athletes’ performance group, and race edition. Methods: Data from 398 male and 103 female participants of 5 editions were obtained based on a minimum 19.2-h effective-running cutoff. Mean running speed from each hour was normalized to the 24-h mean speed for analyses. Results: Mean overall performance was 135.6 ± 33.0 km with a mean effective-running time of 22.4 ± 1.3 h. Overall data showed a reverse J-shaped pacing strategy, with a significant reduction in speed from the second-to-last to the last hour. Two-way mixed ANOVAs showed significant interactions between racing time and both athlete performance group (F = 7.01, P < .001, ηp2 = .04) and race edition (F = 3.01, P < .001, ηp2 = .02) but not between racing time and either sex (F = 1.57, P = .058, ηp 2 < .01) or age group (F = 1.25, P = .053, ηp2 = .01). Pearson product–moment correlations showed an inverse moderate association between performance and normalized mean running speed in the first 2 h (r = –.58, P < .001) but not in the last 2 h (r = .03, P = .480). Conclusions: While the general behavior represents a rough reverse J-shaped pattern, the fastest runners start at lower relative intensities and display a more even pacing strategy than slower runners. The “herd behavior” seems to interfere with pacing strategy across editions, but not sex or age group of runners.
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) | 0,001 | 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 ».