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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 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 ».