Why do team-sport athletes drink fluid in excess when exercising in cool conditions?
Notice bibliographique
Résumé
This study assessed the potential physiological and perceptual drivers of fluid intake and thirst sensation during intermittent exercise. Ten male rugby players (17 ± 1 years, stature: 179.1 ± 4.2 cm, body mass (BM): 81.9 ± 8.1 kg) participated in six 6-min small-sided games, interspersed with 2 min rest, where fluid intake was ad libitum during rest periods. Pre- and postmeasurements of BM, subjective ratings (thirst, thermal comfort, thermal sensation, mouth dryness), plasma osmolality (POsm), serum sodium concentration (S[Na+]), haematocrit and haemoglobin (to calculate plasma volume change; PV) were taken. Fluid intake was measured during rest periods. BM change was –0.17 ± 0.59% and fluid intake was 0.88 ± 0.38 L. Pre- to post-POsm decreased (–3.1 ± 2.3 mOsm·kg−1; p = 0.002) and S[Na+] remained similar (–0.3 ± 0.7 mmol·L−1, p = 0.193). ΔPV was 5.84 ± 3.65%. Fluid intake displayed a relationship with pre-POsm (r = –0.640, p = 0.046), prethermal comfort (r = 0.651; p = –0.041), ΔS[Na+] (r = 0.816, p = 0.004), and ΔPV (r = 0.740; p = 0.014). ΔThirst sensation displayed a relationship with premouth dryness (r = 0.861, p = 0.006) and Δmouth dryness (r = 0.878, p = 0.004). Yet a weak positive relationship between Δthirst sensation and fluid intake was observed (r = 0.085, p = 0.841). These data observed in an ambient temperature of 13.6 ± 0.9 °C, suggest team-sport athletes drink in excess of fluid homeostasis requirements and thirst sensation in cool conditions; however, this was not influenced by thermal discomfort.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».