The association between gastrointestinal injury, complaints, and food intake in 60-km ultramarathon runners
Notice bibliographique
Résumé
We aimed to assess the association between gastrointestinal (GI) injury, complaints, and food intake in 60-km ultramarathon runners. Thirty-three ultramarathon runners provided pre- and post-race blood samples for assessment of GI injury by intestinal fatty-acid binding protein (I-FABP), and inflammatory response by interleukin (IL)-6, IL-8, tumour necrosis factor alpha (TNF-α), and C-reactive protein (CRP). GI complaints and nutritional intake were reported by a post-race questionnaire. GI complaints were reported by 73% of the runners, of which 20% reported 1 or 2 severe complaints. IL-6, IL8, TNF-α, and CRP increased significantly from pre- to post-race (P < 0.001 for all biomarkers), while I-FABP did not (1375 [IQR: 1264–2073] to 1726 [IQR: 985–3287] pg/mL; P = 0.330). The ‘GI complaints score’, as the integral of the number and severity of GI complaints, did not correlate with ΔI-FABP (rs: –0.050, P = 0.790) or energy intake (rs: 0.211, P = 0.260). However, there was a significant negative correlation between energy intake and ΔI-FABP (rs: –0.388, P = 0.031). In conclusion, GI complaints were neither associated with food intake nor GI injury as assessed by plasma I-FABP response. Energy intake, however, was inversely related to the I-FABP response to exercise. This finding suggests that substantial energy intakes during exercise may prevent exercise-induced GI injury as assessed by the I-FABP response. Novelty: No association between gastrointestinal complaints and gastrointestinal injury (I-FABP response) or food intake was present. There was an inverse correlation between energy intake and plasma I-FABP response, suggesting that higher energy intakes may prevent gastrointestinal injury as assessed by the I-FABP response.
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 ».