The Effect of Different Training Loads on the Lung Health of Competitive Youth Swimmers
Notice bibliographique
Résumé
International Journal of Exercise Science 11(6): 999-1018, 2018. Airway hyperresponsiveness (AHR), airway inflammation, and respiratory symptoms are common in competitive swimmers, however it is unclear how volume and intensity of training exacerbate these problems. Thus, our purpose was to measure AHR, inflammation, and respiratory symptoms after low, moderate, and high training loads in swimmers. Competitive youth swimmers (n=8) completed nine weeks of training split into three blocks (Low, Moderate, and High intensity). Spirometry at rest and post-bronchial provocation [Eucapnic Voluntary Hyperpnea (EVH)] and Fractional Exhaled Nitric Oxide (FeNO) were completed at the end of each training block. A weekly self-report questionnaire determined respiratory symptoms. Session Rating of Perceived Exertion (sRPE) quantified internal training loads. Internal load was significantly lower after Moderate training (4840 ± 971 AU) than after High training (5852 ± 737 AU) (p= 0.02, d= 1.17). Pre-EVH FEV1was significantly decreased after Moderate (4.52 ± 0.69 L) compared to Low (4.74 ± 0.63 L) (p= 0.025, d= 0.326), but not different from High load. Post-EVH FeNO after Moderate training was significantly decreased (9.4 ± 4.9 ppb) compared to Low training (15.4 ± 3.6 ppb) (p= 0.012, r= 0.884).Respiratory symptom frequency was significantly correlated with percent decrease in FEV120 minutes post-EVH after Low and Moderate loads (both ρ= -0.71, sig = 0.05), and after High load was significantly correlated with percent decrease in FEV1at 10 (ρ= -0.74, sig = 0.03), 15 (ρ= -0.91, sig = 0.00), and 20 minutes post (ρ= -0.75, sig = 0.03). In conclusion, Moderate load training resulted in the worst lung health results, suggesting there may be factors other than the total amount of stress within training blocks that influence lung health. Further research is needed to determine the effect of manipulating specific acute training load variables on the lung health of swimmers.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».