Fluid Intake Habits in Type 1 Diabetes Individuals during Typical Training Bouts
Notice bibliographique
Résumé
BACKGROUND/AIMS: Hyperglycemia may influence the hydration status in diabetic individuals. During exercise, type 1 diabetes mellitus (T1DM) individuals may be challenged by a higher risk of dehydration due to a combination of fluid losses from sweat and increased urine output via glycosuria. So far, no study has characterised spontaneous fluid intake in T1DM individuals during active trainings. METHODS: A validated questionnaire was used to assess T1DM participants' diabetes therapy, sports characteristics and fluid intake during training; results were then compared to an age- and sport-matched sample of non-diabetic individuals. RESULTS: Ninety individuals completed the survey (n = 45 T1DM individuals, n = 45 matched controls). A proportion of T1DM -individuals reported blood glucose levels greater than 10.0 mmol at both the start (28.9%) and end (24.4%) of the exercise. The mean self-reported fluid intake was greater in T1DM (0.60 ± 0.47 L·h-1) compared to that of the control (0.37 ± 0.28 L·h-1, p < 0.05). In spite of drinking fluid volumes in line with international guidelines, 84.4% of those with T1DM reported that they were still feeling thirsty at the end of their training session. CONCLUSIONS: T1DM individuals self-report spontaneously consuming fluid adequate volumes suggested by sport nutrition guidelines for non-diabetic athletes. Discrepancies in the T1DM subjectively reported feelings of thirst suggest that more education on hydration during exercise is needed for this population to adequately compensate for elevated blood glucose levels. It remains to be established whether fluid volumes suggested for healthy athletes are adequate for maintaining euhydration in T1DM patients due to their altered diuresis.
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 ».