Impact of Energy Availability, Health, and Sex on Hemoglobin-Mass Responses Following Live-High–Train-High Altitude Training in Elite Female and Male Distance Athletes
Notice bibliographique
Résumé
PURPOSE: The authors investigated the effects of sex, energy availability (EA), and health status on the change in hemoglobin mass (ΔHbmass) in elite endurance athletes over ∼3-4 wk of live-high-train-high altitude training in Flagstaff, AZ (2135 m; n = 27 women; n = 21 men; 27% 2016 Olympians). METHODS: Precamp and postcamp Hbmass (optimized carbon monoxide rebreathing method) and iron status were measured, EA was estimated via food and training logs, and a Low Energy Availability in Females Questionnaire (LEAFQ) and a general injury/illness questionnaire were completed. Hypoxic exposure (h) was calculated with low (<500 h), moderate (500-600 h), and high (>600 h) groupings. RESULTS: was significantly higher in eumenorrheic vs amenorrheic women (12.2 [1.0] vs 11.3 [0.5] g/kg, P = .004). Although statistically underpowered, %ΔHbmass was significantly less in sick (n = 4, -0.5% [0.4%]) vs healthy (n = 44, 5.4% [3.8%], P < .001) athletes. There were no significant correlations between self-reported iron intake, sex hormones, or EA on Hbmass outcomes. However, there was a trend for a negative correlation between LEAFQ score and %ΔHbmass (r = -.353, P = .07). CONCLUSIONS: The findings confirm the importance of baseline Hbmass and exposure to hypoxia on increases in Hbmass during altitude training, while emphasizing the importance of athlete health and indices of EA on an optimal baseline Hbmass and hematological response to hypoxia.
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 | 0,000 |
| 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 ».