How to manage travel fatigue and jet lag in athletes? A systematic review of interventions
Notice bibliographique
Résumé
OBJECTIVES: We investigated the management of travel fatigue and jet lag in athlete populations by evaluating studies that have applied non-pharmacological interventions (exercise, sleep, light and nutrition), and pharmacological interventions (melatonin, sedatives, stimulants, melatonin analogues, glucocorticoids and antihistamines) following long-haul transmeridian travel-based, or laboratory-based circadian system phase-shifts. DESIGN: Randomised controlled trials (RCTs), and non-RCTs including experimental studies and observational studies, exploring interventions to manage travel fatigue and jet lag involving actual travel-based or laboratory-based phase-shifts. Studies included participants who were athletes, except for interventions rendering no athlete studies, then the search was expanded to include studies on healthy populations. DATA SOURCES: Electronic searches in PubMed, MEDLINE, CINAHL, Google Scholar and SPORTDiscus from inception to March 2019. We assessed included articles for risk of bias, methodological quality, level of evidence and quality of evidence. RESULTS: Twenty-two articles were included: 8 non-RCTs and 14 RCTs. No relevant travel fatigue papers were found. For jet lag, only 12 athlete-specific studies were available (six non-RCTs, six RCTs). In total (athletes and healthy populations), 11 non-pharmacological studies (participants 600; intervention group 290; four non-RCTs, seven RCTs) and 11 pharmacological studies (participants 1202; intervention group 870; four non-RCTs, seven RCTs) were included. For non-pharmacological interventions, seven studies across interventions related to actual travel and four to simulated travel. For pharmacological interventions, eight studies were based on actual travel and three on simulated travel. CONCLUSIONS: The protocol was registered in the International Prospective Register of Systematic Reviews (PROSPERO: CRD42019126852).
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 | 0,016 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,009 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».