Sleep and the athlete: narrative review and 2021 expert consensus recommendations
Notice bibliographique
Résumé
Elite athletes are particularly susceptible to sleep inadequacies, characterised by habitual short sleep (<7 hours/night) and poor sleep quality (eg, sleep fragmentation). Athletic performance is reduced by a night or more without sleep, but the influence on performance of partial sleep restriction over 1-3 nights, a more real-world scenario, remains unclear. Studies investigating sleep in athletes often suffer from inadequate experimental control, a lack of females and questions concerning the validity of the chosen sleep assessment tools. Research only scratches the surface on how sleep influences athlete health. Studies in the wider population show that habitually sleeping <7 hours/night increases susceptibility to respiratory infection. Fortunately, much is known about the salient risk factors for sleep inadequacy in athletes, enabling targeted interventions. For example, athlete sleep is influenced by sport-specific factors (relating to training, travel and competition) and non-sport factors (eg, female gender, stress and anxiety). This expert consensus culminates with a sleep toolbox for practitioners (eg, covering sleep education and screening) to mitigate these risk factors and optimise athlete sleep. A one-size-fits-all approach to athlete sleep recommendations (eg, 7-9 hours/night) is unlikely ideal for health and performance. We recommend an individualised approach that should consider the athlete's perceived sleep needs. Research is needed into the benefits of napping and sleep extension (eg, banking sleep).
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 | 0,015 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,014 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 ».