MétaCan
Menu
Retour à la cohorte
Enregistrement W2560181322 · doi:10.1080/17461391.2016.1262453

The influence of race length on arterial compliance following an ultra‐endurance marathon

2016· article· en· W2560181322 sur OpenAlexaff
Alis Bonsignore, Shannon S. D. Bredin, Holly Wollmann, Barb Morrison, Andrew T. Jeklin, Lauren Buschmann, Josh Robertson, E. Jean Buckler, Duncan McGuinty, Mark S. Rice, Darren E. R. Warburton

Notice bibliographique

RevueEuropean Journal of Sport Science · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Disease Prevention
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésArterial stiffnessMedicineCompliance (psychology)CardiologyApplanation tonometryInternal medicinePhysical therapyBlood pressurePsychology

Résumé

récupéré en direct d'OpenAlex

There is inconclusive evidence concerning the effects of routine participation in ultra-endurance events on cardiovascular disease (CVD) risk. Arterial compliance is a reliable, non-invasive, and effective tool for evaluating CVD risk. The purpose of this research was to examine if race length influences acute changes in arterial compliance following an ultra-marathon event. A total of 46 ultra-marathon runners were recruited including 21 participants (39.8 ± 8.3 years, 6 females) in the 80-km event and 25 participants (43.7 ± 9.8 years, 3 female) in the 195-km event. Arterial compliance was measured via radial applanation tonometry (CR-2000, HDI) for diastolic pulse contour analysis before and following the race. Significant between-group differences were found for changes in large arterial compliance with a decrease (increase in stiffness) following the 195-km event and an increase following the 80-kilometre event (p < .05). Longer race lengths are associated with greater reductions in large arterial compliance following recreational ultra-marathon running. Assessment of arterial compliance might be a useful prognostic tool to assess the long-term risk of CVD among ultra-marathon 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,193

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,298
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sport ScienceMême sujetCardiovascular Health and Disease PreventionTravaux en français237 207