Contemporary Nutrition Interventions to Optimize Performance in Middle-Distance Runners
Notice bibliographique
Résumé
Middle-distance runners utilize the full continuum of energy systems throughout training, and given the infinite competition tactical scenarios, this event group is highly complex from a performance intervention point of view. However, this complexity results in numerous potential periodized nutrition interventions to optimize middle-distance training adaptation and competition performance. Middle-distance race intensity is extreme, with 800- to 5,000-m races being at ∼95% to 130% of VO 2 max. Accordingly, elite middle-distance runners have primarily Type IIa/IIx fiber morphology and rely almost exclusively on carbohydrate (primarily muscle glycogen) metabolic pathways for producing adenosine triphosphate. Consequently, the principle nutritional interventions that should be emphasized are those that optimize muscle glycogen contents to support high glycolytic flux (resulting in very high lactate values, of >20 mmol/L in some athletes) with appropriate buffering capabilities, while optimizing power to weight ratios, all in a macro- and microperiodized manner. From youth to elite level, middle-distance athletes have arduous racing schedules (10–25 races/year), coupled with excessive global travel, which can take a physical and emotional toll. Accordingly, proactive and integrated nutrition planning can have a profound recovery effect over a long race season, as well as optimizing recovery during rounds of championship racing. Finally, with evidence-based implementation and an appropriate risk/reward assessment, several ergogenic aids may have an adaptive and/or performance-enhancing effect in the middle-distance athlete. Given that elite middle-distance athletes undertake ∼400 to 800 training sessions with 10–25 races/year, there are countless opportunities to implement various periodized acute and chronic nutrition-based interventions to optimize performance.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».