Cooling during exercise enhances performances, but the cooled body areas matter: A systematic review with meta‐analyses
Notice bibliographique
Résumé
INTRODUCTION: Hyperthermia during exercise induces central and peripheral fatigue and impairs physical performance. To facilitate heat loss and optimize performance, athletes can hasten body cooling prior (pre-cooling) or during (per-cooling) exercise. However, it is unclear whether per-cooling effect is the same on 'aerobic' and 'anaerobic' types of exercise (duration <75 and >76 seconds, respectively, according to Gastin [Sports Med 2001;31:725-741]) and whether the body area that is cooled makes a difference. METHODS: A literature search led to the identification of 1582 potential studies. Included studies had to include physical exercise with sufficient details on the type, duration, intensity, and provide valid performance measures and a cooling intervention administered during exercise with sufficient details on the type and site of application. RESULTS: Forty-five studies were included. Per-cooling provides a performance benefit during 'aerobic' (standardized mean difference (SMD) of 0.60, P < .001) and 'anaerobic' exercises (SMD = 0.27, P < .02). The effects were greater during aerobic compared to anaerobic exercises (P < .01). Internal cooling (cold fluid ingestion such as cold water and ice slurry/menthol beverage) and external cooling (face, neck, and torso) provide the greatest performance benefit for 'aerobic' performance with a moderate to large effect (0.46 < SMD < 1.24). For 'anaerobic' exercises, wearing a whole-body cooling garment is the best way to enhance exercise performance (SMD = 0.39, P < .01). CONCLUSION: Per-cooling improves 'aerobic' and 'anaerobic' exercise performance with a greater benefit for 'aerobic' exercise. The magnitude of the effect depends on the type and site of the cooling application.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».