Plasma volume reduction and hematological fluctuations in high‐level athletes after an increased training load
Notice bibliographique
Résumé
The time course of plasma volume ( PV ) reduction following an increased training load period is unknown and was investigated. The accompanying fluctuations in [Hb] and OFF ‐hr score were analyzed in the Athlete Biological Passport. Further, whether fluctuations in plasma albumin, soluble transferrin receptors ( sTfR ), and pro‐atrial natriuretic peptide (pro ANP ) concentrations correlate with PV fluctuations was investigated. Eleven high‐level competitive cyclists were investigated for 3 weeks. After initial measurements in week 1, training load was increased ~250% in week 2 followed by a reversion to baseline training load in week 3. PV and hematological variables were determined frequently during all weeks. The higher training load in week 2 increased ( P <.001) PV 10%, while [Hb] and OFF ‐hr score decreased ~6% ( P <.01) and ~16% ( P <.001), respectively. PV and [Hb] returned to baseline within 2 and 4 days after week 2, respectively, while OFF ‐hr score remained reduced for 6 days. Further, one and three atypical blood profiles of the ABP occurred during weeks 2 and 3, respectively. Individual changes in albumin, sTfR , and pro ANP only correlated weakly ( R 2 <.20) with PV fluctuations. In conclusion, PV and [Hb] fluctuations caused by an elevated training load period were reverted within 2 and 4 days after returning to baseline training load, respectively, while OFF ‐hr remained altered for 6 days. Furthermore, some atypical blood profiles were induced during and subsequent to the increased training load, demonstrating the importance of knowledge on naturally occurring hematological fluctuations. Finally, concentrations of albumin, sTfR , and pro ANP could not explain PV fluctuations.
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 | 0,001 | 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 ».