Impact of dehydration on perceived exertion during endurance exercise: A systematic review with meta-analysis
Notice bibliographique
Résumé
Background: Understanding the impact of stressors on the rating of perceived exertion (RPE) is relevant from a performance and exercise adherence/participation standpoint. Athletes and recreationally active individuals dehydrate during exercise. No attempt has been made to systematically determine the impact of exercise-induced dehydration (EID) on RPE. Objective: The present meta-analysis aimed to determine the effect of EID on RPE during endurance exercise and examine the moderating effect of potential confounders. Data analyses: Performed on raw RPE values using random-effects models weighted mean effect summaries and meta-regressions with robust standard errors, and with a practical meaningful effect set at 1 point difference between euhydration (EUH) and EID. Only controlled crossover studies measuring RPE with a Borg scale in healthy adults performing ≥30 min of continuous endurance exercise while dehydrating or drinking to maintain EUH were included. Results: Sixteen studies were included, representing 147 individuals. Mean body mass loss with EUH was 0.5 ± 0.4%, compared to 2.3 ± 0.5% with EID (range 1.7-3.1%). Within an EID of 0.5-3% body mass, a maximum difference in RPE of 0.81 points (95% CI: 0.36-1.27) was observed between conditions. A meta-regression revealed that RPE increases by 0.21 points for each 1% increase in EID (95% CI: 0.12-0.31). Humidity, ambient temperature and aerobic capacity did not alter the relationship between EID and RPE. Conclusion: Therefore, the effect of EID on RPE is unlikely to be practically meaningful until a body mass loss of at least 3%.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».