Five weeks of heat training increases haemoglobin mass in elite cyclists
Notice bibliographique
Résumé
New Findings What is the central question of this study? Do haemoglobin mass and red blood cell volume increase in elite cyclists training in a hot environment compared to a control group training at normal temperature? What is the main finding and its importance? Five weeks of heat training increases haemoglobin mass in elite cyclists. There are small to intermediate effect sizes for exercise parameters favouring heat training. Abstract In this study we tested the hypothesis that performing 1 h of regular light exercise in a heat chamber (HEAT; 37.8 ± 0.5°C; 65.4 ± 1.8% humidity) 5 times week −1 for a total of 5 weeks increases haemoglobin mass (Hb mass ) and exercise performance in elite cyclists ( = 76.2 ± 7.6 ml min −1 kg −1 ). Twenty‐three male volunteers were assigned to HEAT ( n = 11) or CON ( n = 12; 15.5 ± 0.1°C; 25.1 ± 0.0% humidity) training groups. Hb mass was determined before and after the intervention period in conjunction with an extensive exercise test protocol (conducted at 16–19°C). HEAT increased ( P < 0.05) Hb mass by 42 g from 893 ± 78 to 935 ± 108 g whereas Hb mass remained unchanged (+6 g) in CON. Furthermore, statistical analysis revealed a time–group interaction ( P < 0.05). The greater increase in Hb mass in HEAT, however, did not manifest in a greater increase in (225 ± 274 ml min −1 in HEAT and 161 ± 202 ml min −1 in CON). While HEAT reduced ( P < 0.05) lactate levels during some of the submaximal exercise tests, there was no statistical difference between other performance parameters. There were, however, small to intermediate effect sizes favouring HEAT for lactate threshold power output (2.8 ± 3.9 vs . −0.4 ± 5.1% change, effect size (ES) = 0.34), gross economy in the fatigued state (0.19 ± 0.42 vs . −0.12 ± 0.49%‐point change, ES = 0.52) and 15 min mean power (6.9 ± 8.4 vs . 3.4 ± 5.1% increase, ES = 0.22). This study demonstrates an increase in Hb mass and small to intermediate effect sizes on exercise variables in elite cyclists following a 5‐week heat training intervention.
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 | 0,000 |
| 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) | 0,001 | 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 ».