MétaCan
Menu
Retour à la cohorte
Enregistrement W3134789915 · doi:10.1123/ijspp.2020-0766

Physiological Determinants of Ultramarathon Trail-Running Performance

2021· article· en· W3134789915 sur OpenAlexaff
Alexandra M. Coates, Jordan A. Berard, Trevor J. King, Jamie F. Burr

Notice bibliographique

RevueInternational Journal of Sports Physiology and Performance · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHematocritVO2 maxRunning economyAthletesMedicineAerobic exerciseDemographyRace (biology)Linear regressionAnimal sciencePhysical therapyMathematicsStatisticsInternal medicineHeart rateBlood pressureBiology

Résumé

récupéré en direct d'OpenAlex

CONTEXT: The physiological determinants of ultramarathon success have rarely been assessed and likely differ in their contributions to performance as race distance increases. PURPOSE: To examine predictors of performance in athletes who completed either a 50-, 80-, or 160-km trail race over a 20-km loop course on the same day. METHODS: Measures of running history, aerobic fitness, running economy, body mass loss, hematocrit alterations, age, and cardiovascular health were examined in relation to race-day performance. Performance was defined as the percentage difference from the winning time at a given race distance, with 0% representing the fastest possible time. RESULTS: In the 50-km race, training volumes, cardiovascular health, aerobic fitness, and a greater loss of body mass during the race were all related to better performance (all P < .05). Using multiple linear regression, peak velocity achieved in the maximal oxygen uptake test (β = -11.7, P = .002) and baseline blood pressure (β = 3.1, P = .007) were the best performance predictors for the men's 50-km race (r = .98, r2 = .96, P < .001), while peak velocity achieved in the maximal oxygen uptake test (β = -13.6, P = .001) and loss of body mass (β = 12.8, P = .03) were the best predictors for women (r = .94, r2 = .87, P = .001). In the 80-km race, only peak velocity achieved in the maximal oxygen uptake test predicted performance (β = -20.3, r = .88, r2 = .78, P < .001). In the 160-km race, there were no significant performance determinants. CONCLUSIONS: While classic determinants of running performance, including cardiovascular health and running fitness, predict 50-km trail-running success, performance in longer-distance races appears to be less influenced by such physiological parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,300
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Physiology and PerformanceMême sujetSports Performance and TrainingTravaux en français237 207