Effect of Pre-Exercise Caffeine Intake on Endurance Performance and Core Temperature Regulation During Exercise in the Heat: A Systematic Review with Meta-Analysis
Notice bibliographique
Résumé
Abstract Background Heat is associated with physiological strain and endurance performance (EP) impairments. Studies have investigated the impact of caffeine intake upon EP and core temperature (C T ) in the heat, but results are conflicting. There is a need to systematically determine the impact of pre-exercise caffeine intake in the heat. Objective Use a meta-analytical approach to determine the effect of pre-exercise caffeine intake on EP and C T in the heat. Design Systematic review with meta-analysis. Data sources Four databases and cross-referencing. Data analysis Weighted mean effect summaries using random-effects models for EP and C T , as well as meta regressions with robust standard errors to explore confounders. Study selection Placebo-controlled, randomized studies in adults (≥ 18 yrs old) with caffeine intake at least 30 min before endurance exercise ≥ 30 min, performed in ambient conditions ≥ 27°C. Results Respectively 6 and 12 studies examined caffeine’s impact on EP and C T , representing 52 and 205 endurance-trained individuals. On average, 6 mg/kg body mass of caffeine were taken 1 h before exercises of ∼ 70 min conducted at 34°C and 47% relative humidity. Caffeine supplementation improved EP by 2.0 ± 0.7% (95% CI: 0.6 to 3.5%) and increased the rate of change in C T by 0.10 ± 0.04°C/h (95% CI: 0.03 to 0.16°C/h), compared with the ingestion of a placebo. Conclusion Caffeine ingestion of 6 mg/kg body mass ∼ 1 h before an exercise in the heat provides a worthwhile improvement in EP of 2%, while trivially increasing the rate of change in C T by 0.10°C/h.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| 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 | 0,001 |
| 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 ».