Case Study: Body Composition Periodization in an Olympic-Level Female Middle-Distance Runner Over a 9-Year Career
Notice bibliographique
Résumé
This case study features an Olympic-level female middle-distance runner implementing a science-based approach to body composition periodization. Data are emerging to suggest that it is not sustainable from a health and/or performance perspective to be at peak body composition year-round, so body composition needs to be strategically periodized. Anthropometric (n = 44), hematological, other health measures, and 1,500-m race performances (n = 83) were periodically assessed throughout a 9-year career. General preparation phase (September to April) featured the athlete at ∼2-4% over ideal competition phase body weight (BW) and body fat (%), with optimal energy availability being prioritized. The competition body composition optimization phase (May to August) included creating an individualized time frame and caloric deficit with various feedback metrics (BW, performance, and hunger) to guide the process. There were significant seasonal fluctuations in anthropometric outcomes between phases (47.3 ± 0.8 vs. 48.3 ± 0.9 kg BW; 53.6 ± 7.8 vs. 61.6 ± 9.7 mm International Society for the Advancement of Kinanthropometry sum of 8 [So8] skinfolds; p < .01), and a significant correlation of decreasing So8 during the peak competition period over her career (r = -.838; p = .018). The range of body composition during the competition period was 46.0-48.0 kg BW and a So8 range was 42.0-55.9 mm. There were also significant positive correlations between slower 1,500-m race times and increasing So8 (r = .437; p < .01), estimated fat mass (r = .445; p < .01), and BW (r = .511; p < .0001). The athlete only had two career injuries. This case study demonstrates a body composition periodization approach that allowed for targeted peak yearly performances, which improved throughout her career, while maximizing training adaptation and long-term athlete health through optimal energy availability.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».