MétaCan
Menu
Retour à la cohorte
Enregistrement W3175527971 · doi:10.3390/nu13072177

Carbohydrate Considerations for Athletes with a Spinal Cord Injury

2021· review· en· W3175527971 sur OpenAlexaff
Belinda Ruettimann, Claudio Perret, Jill A. Parnell, Joëlle Leonie Flueck

Notice bibliographique

RevueNutrients · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésAthletesSpinal cord injuryMedicinePhysical medicine and rehabilitationPhysical therapyMuscle massPopulationEnvironmental healthSpinal cordInternal medicine

Résumé

récupéré en direct d'OpenAlex

The Paralympic movement is growing in popularity, resulting in increased numbers of athletes with a spinal cord injury (SCI) competing in various sport disciplines. Athletes with an SCI require specialized recommendations to promote health and to maximize performance, as evidenced by their metabolic and physiological adaptations. Nutrition is a key factor for optimal performance; however, scientifically supported nutritional recommendations are limited. This review summarizes the current knowledge regarding the importance of carbohydrates (CHO) for health and performance in athletes with an SCI. Factors possibly affecting CHO needs, such as muscle atrophy, reduced energy expenditure, and secondary complications are analyzed comprehensively. Furthermore, a model calculation for CHO requirements during an endurance event is provided. Along with assessing the effectiveness of CHO supplementation in the athletic population with SCI, the evaluation of their CHO intake from the available research supplies background to current practices. Finally, future directions are identified. In conclusion, the direct transfer of CHO guidelines from able-bodied (AB) athletes to athletes with an SCI does not seem to be reasonable. Based on the critical role of CHOs in exercise performance, establishing recommendations for athletes with an SCI should be the overall objective for prospective research.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,047
Tête enseignante GPT0,342
Écart entre enseignants0,294 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMuscle metabolism and nutritionTravaux en français237 207