Gut-training: the impact of two weeks repetitive gut-challenge during exercise on gastrointestinal status, glucose availability, fuel kinetics, and running performance
Notice bibliographique
Résumé
Due to gastrointestinal tract adaptability, the study aimed to determine the impact of gut-training protocol over 2 weeks on gastrointestinal status, blood glucose availability, fuel kinetics, and running performance. Endurance runners (n = 25) performed a gut-challenge trial (GC1), consisting of 2 h running exercise at 60% V̇O 2max whilst consuming gel-discs containing 30 g carbohydrates (2:1 glucose/fructose, 10% w/v) every 20 min and a 1 h distance test. Participants were then randomly assigned to a carbohydrate gel-disc (CHO-S), carbohydrate food (CHO-F), or placebo (PLA) gut-training group for 2 weeks of repetitive gut-challenge intervention. Participants then repeated a second gut-challenge trial (GC2). Gastrointestinal symptoms reduced in GC2 on CHO-S (60%; p = 0.008) and CHO-F (63%; p = 0.046); reductions were greater than PLA (p < 0.05). H 2 peak was lower in GC2 on CHO-S (mean (CI): 6 (4–8) ppm) compared with CHO-F (9 (6–12) ppm) and PLA (12 (2–21) ppm) (trial × time: p < 0.001). Blood glucose concentration was higher in GC2 on CHO-S (7.2 (6.3–8.1) mmol·L −1 ) compared with CHO-F (6.1 (5.7–6.5) mmol·L −1 ) and PLA (6.2 (4.9–7.5) mmol·L −1 ) (trial × time: p = 0.015). No difference in oxidation rates, plasma I-FABP, and cortisol concentrations were observed between groups and trials. Distance test improved on CHO-S (5.2%) and CHO-F (4.3%) in GC2, but not on PLA (–2.1%) (trial × time: p = 0.009). Two weeks of gut-training with CHO-S and CHO-F improved gastrointestinal symptoms and running performance compared with PLA. CHO-S also reduced malabsorption and increased blood glucose availability during endurance running compared with PLA.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».