Effects of cold water immersion on circulating inflammatory markers at the Kona Ironman World Championship
Notice bibliographique
Résumé
Cold water immersion (CWI) purportedly reduces inflammation and improves muscle recovery after exercise, yet its effectiveness in specific contexts (ultraendurance) remains unclear. Thus, our aim was to study hematological profiles, systemic inflammation, and muscle damage responses to a specific post-race CWI (vs. control) during recovery after the Ironman World Championship, a culmination of ∼100 000 athletes competing in global qualifying Ironman events each year. Twenty-nine competitors were randomized into either a CWI or control (CON) group. Physiological parameters and blood samples were taken at pre-race, after intervention (POST), and 24 (+1DAY) and 48 hours (+2DAY) following the race. Muscle damage markers (plasma myoglobin, serum creatine kinase) were elevated at POST, +1DAY, and +2DAY, while inflammatory cytokines interleukin (IL)-6, IL-8, and IL-10 and total leukocyte counts were increased only at POST. CWI had no effect on these markers. Numbers of the most abundant circulating cell type, neutrophils, were elevated at POST more so in CWI (p < 0.05, vs. CON). Despite that neutrophil counts may be a sensitive marker to detect subtle effects, CWI does not affect recovery markers 24- and 48-hours post-race (vs. CON). Overall, we determined that our short CWI protocol was not sufficient to improve recovery. Novelty: Ironman World Championship event increased circulating muscle damage markers, inflammatory markers, and hematological parameters, including circulating immune cell sub-populations that recover 24–48 hours after the race. 12-min CWI post-ultraendurance event affects the absolute numbers of neutrophils acutely, post-race (vs. CON), but does not impact recovery 24- and 48-hours post-race.
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 ».