Effect of Thirst-Driven Fluid Intake on 1 H Cycling Time-Trial Performance in Trained Endurance Athletes
Notice bibliographique
Résumé
A meta-analysis demonstrated that programmed fluid intake (PFI) aimed at fully replacing sweat losses during a 1 h high-intensity cycling exercise impairs performance compared with no fluid intake (NFI). It was reported that thirst-driven fluid intake (TDFI) may optimize cycling performance, compared with when fluid is consumed more than thirst dictates. However, how TDFI, compared with PFI and NFI, impacts performance during a 1 h cycling time-trial performance remains unknown. The aim of this study was to compare the effect of NFI, TDFI and PFI on 1 h cycling time-trial performance. Using a randomized, crossover and counterbalanced protocol, 9 (7 males and 2 females) trained endurance athletes (30 ± 9 years; Peak V · O2∶ 59 ± 8 mL·kg−1·min−1) completed three 1 h cycling time-trials (30 °C, 50% RH) with either NFI, TDFI or PFI designed to maintain body mass (BM) at ~0.5% of pre-exercise BM. Body mass loss reached 2.9 ± 0.4, 2.2 ± 0.3 and 0.6 ± 0.2% with NFI, TDFI and PFI, respectively. Heart rate, rectal and mean skin temperatures and ratings of perceived exertion and of abdominal discomfort diverged marginally among trials. Mean distance completed (NFI: 35.6 ± 1.9 km; TDFI: 35.8 ± 2.0; PFI: 35.7 ± 2.0) and, hence, average power output maintained during the time-trials did not significantly differ among trials, and the impact of both PFI and TDFI vs. NFI was deemed trivial or unclear. These findings indicate that neither PFI nor TDFI are likely to offer any advantage over NFI during a 1 h cycling time-trial.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».