Estimated Sweat Loss, Fluid and Carbohydrate Intake, and Sodium Balance of Male Major Junior, AHL, and NHL Players During On-Ice Practices
Notice bibliographique
Résumé
Several previous studies have reported performance decrements in team sport athletes who dehydrated approximately 1.5-2% of their body mass (BM) through sweating. This study measured on-ice sweat loss, fluid intake, sodium balance, and carbohydrate (CHO) intake of 77 major junior (JR; 19 ± 1 years), 60 American Hockey League (AHL; 24 ± 4 years), and 77 National Hockey League (NHL; 27 ± 5 years) players. Sweat loss was calculated from pre- to post-exercise BM plus fluid intake minus urine loss. AHL (2.03 ± 0.62 L/hr) and NHL (2.02 ± 0.74 L/hr) players had higher sweat rates (p < .05) than JR players (1.63 ± 0.58 L/hr). AHL (1.23 ± 0.69%; p = .006) and NHL (1.29% ± 0.63%; p < .001) players had ∼30% greater BM losses than JR players (0.89% ± 0.57%). There was no difference in fluid intake between groups (p > .05). Sodium deficits (sodium loss - intake) were greater (p < .05) in AHL (1.68 ± 0.74 g/hr) and NHL (1.56 ± 0.84 g/hr) players compared with JR players (1.01 ± 0.50 g/hr). CHO intake was similar between groups (14-20 g CHO/hr), with 29%, 32%, and 40% of JR, AHL, and NHL players consuming no CHO, respectively. In summary, sweat rates were high in all players, but the majority of players (74/77, 54/60, and 68/77 of JR, AHL, and NHL, respectively) avoided mild dehydration (>2% BM) during 60 min of practice. However, ∼15%, 41%, and 48% of the JR, AHL, and NHL players, respectively, may have reached mild dehydration and increased risk of performance decrements in a 90-min practice.
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 ».