Three km Track Time Trial Performance Changes after HIIT in Competitive Cross-Country Skiers
Notice bibliographique
Résumé
Background: Limited research surrounding sex differences in fatigue and performance after high intensity interval training (HIIT) exists in the field setting. While lab-based protocols provide a controlled environment, physiological mechanisms of fatigue and performance response in competitive athletes are best measured by time-trial (TT). Few studies, however, have investigated fatigue in TT performance while controlling for the menstrual cycle (MC). Objective: The study investigated the influence of sex and MC phase on 3km track TT performance after a HIIT session in Competitive Cross Country (XC) skiers. Methods: A quasi-experimental design was employed and athletes over the age of 16 years (30F, 9M), were recruited from across Canada and completed 3 days of testing/training: a 3km track TT on Day 1 and Day 3; and a HIIT session (4-8x, 800m) on Day 2. MC phase was verified by ovulation testing and salivary hormone samples; athletes were classified as either “Low Hormone” or “High Hormone” for analysis. Results: An overall improvement in performance from pre- to post-HIIT TTs occurred (p<0.01). No significant differences in TT performance after HIIT were observed between sexes (p=0.16) or MC phase (p=0.26). Conclusion: These results indicate that competitive XC skiers will likely experience an improvement in TT performance after a bout of HIIT. Coaches and athletes should plan their workouts prior to testing accordingly to maximize TT performance. These results also suggest that no special adjustments need to be considered for differences in performance after HIIT between sexes and MC phase, although further studies with a greater sample size and repeated testing are warranted.
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 | 0,001 | 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 | 0,001 |
| 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 ».