Earlier shift in race pacing can predict future performance during a single-effort ultramarathon under sleep deprivation.
Notice bibliographique
Résumé
OBJECTIVE: We constructed research camps at single-effort ultramarathons (50 and 100 miles) in order to study human endurance capabilities under extreme sleep loss and stress. It takes > 24h, on average, to run 100 miles on minimal sleep, allowing us to construct 24h human performance profiles (HPP). METHODS: We collected performance data plotted across time (race splits) and distance (dropout rates; n=257), self-reported sleep and training patterns (n=83), and endpoint data on cardiovascular fitness/adaptation to total sleep deprivation and extreme exercise/stress (n=127). RESULTS: In general, we found that self-reported napping was higher for 100-miler versus 50-miler runners and that ultra-endurance racing may possibly pre-select for early morning risers. We also compared HPPs between the first 50 miles completed by all runners in order to examine amplitude and acrophase differences in performance using a cosinor model. We showed that even though all runners slowed down over time, runners who completed a 100-miler ultramarathon had an earlier acrophase shift in race pace compared to non-finishers. DISCUSSION: We were able to identify time-dependent predictions on overall performance under minimal sleep, warranting the ultramarathon athlete as a unique demographic for future study of sleep and chronobiological relationships in the real world.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».