The Training Characteristics of Recreational-Level Triathletes: Influence on Fatigue and Health
Notice bibliographique
Résumé
Little is known about how recreational triathletes prepare for an Olympic distance event. The aim of this study was to identify the training characteristics of recreational-level triathletes within the competition period and assess how their preparation for a triathlon influences their health and their levels of fatigue. During the 6 weeks prior to, and the 2 weeks after, an Olympic distance triathlon, nine recreational athletes (five males, four females) completed a daily training log. Participants answered the Daily Analysis of Life Demands Questionnaire (DALDA), the Training Distress Scale (TDS) and the Alberta Swim Fatigue and Health Questionnaire weekly. The Recovery-Stress Questionnaire (REST-Q) was completed at the beginning of the study, on the day before the competition, and at the end of week 8. Training loads were calculated using session-based rating of perceived exertion (sRPE). The data from every week of training was compared to week 1 to determine how athletes’ training and health changed throughout the study. No changes in training loads, duration or training intensity distribution were seen in the weeks leading up to the competition. Training duration was significantly reduced in week 6 (p = 0.041, d = 1.58, 95% CI = 6.9, 421.9), while the number of sessions was reduced in week 6 (Z = 2.32, p = 0.02, ES = 0.88) and week 7 (Z = 2.31, p = 0.02, ES = 0.87). Training was characterized by large weekly variations in training loads and a high training intensity. No significant changes were seen in the DALDA, TDS or REST-Q questionnaire scores throughout the 8 weeks. Despite large spikes in training load and a high overall training intensity, these recreational-level triathletes were able to maintain their health in the 6 weeks of training prior to an Olympic distance triathlon.
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 ».