Heart Rate Variability in Elite Swimmers before, during and after COVID-19 Lockdown: A Brief Report on Time Domain Analysis
Notice bibliographique
Résumé
Background: Many athletes worldwide have endured home confinement during the COVID-19 pandemic, and their opportunities to train were strongly limited. This study describes the impact of lockdown on training volume and heart rate variability (HRV) in elite swimmers. Methods: HRV data of seven elite males were collected each Monday morning over 20 weeks, including 8 weeks of lockdown. The training volume was quantified retrospectively. Results: During the lockdown period (weeks 4–11) swimming was not allowed, and the total training volume was reduced by 55.2 ± 7.5% compared to the baseline volume (from 27.2 to 12.2 training hours). This drop was associated with a decrease in vagal activity (a 9.2 ± 5.4% increase in resting HR and a 6.5 ± 3.4% decrease in the natural logarithm of rMSSD from baseline values). After the lockdown (weeks 12–20), the training volume was gradually increased before attaining 68.8% and 88.2% of the baseline training volume at weeks 15 and 17, respectively. Resting HR and Ln rMSSD returned to baseline values four weeks after the lockdown. Conclusions: The lockdown period induced a decreased training volume which was associated with a decrease in vagal activity. However, HRV values returned to the baseline 4 weeks after the resumption of swimming training.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».