The Effects of Low- and High-Glycemic Index Sport Nutrition Bars on Metabolism and Performance in Recreational Soccer Players
Notice bibliographique
Résumé
Consumption of low-glycemic index (GI) carbohydrates (CHO) may be superior to high-GI CHO before exercise by increasing fat oxidation and decreasing carbohydrate oxidation. We compared the effects of pre-exercise feeding of a low-GI lentil-based sports nutrition bar with a high-GI bar on metabolism and performance during a simulated soccer match. Using a randomized, double-blind, counterbalanced, crossover design, participants (n = 8) consumed 1.5 g/kg available CHO from a low-GI bar (GI = 45) or high-GI bar (GI = 101) two hours before a 90 min simulated soccer match, and 0.38 g/kg body mass during a 15 min half-time break. The test involved alternating 6 min intervals of paced jogging, running, walking, and sprinting, and 3 min intervals of soccer-specific skills (timed ball dribbling, agility running, heading, kicking accuracy). Carbohydrate oxidation rate was lower during the match after consuming the low-GI compared to high-GI bar (2.17 ± 0.6 vs. 2.72 ± 0.4 g/min; p < 0.05). Participants performed better during the low-GI versus high-GI bar condition on the agility test (5.7 ± 0.4 versus 6.1 ± 0.6 s; p < 0.01) and heading (i.e., jumping height 24.7 ± 4.3 versus 22.2 ± 4.5 cm; p < 0.01) late in the soccer match (72 min). A low-GI lentil-based sports nutrition bar provides a metabolic benefit (lower carbohydrate oxidation rate) and a modest improvement in agility running and jumping height (heading) late in the test.
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 ».