Considerations for ultra-endurance activities: part 1- nutrition
Notice bibliographique
Résumé
Ultra-endurance activities (≥ 4h) present unique challenges that, beyond fatigue, may be exacerbated by sub-optimal nutrition during periods of increased requirements and compromised gastrointestinal function. The causes of fatigue during ultra-endurance exercise are multi-factorial. However, mechanisms can potentially include central or peripheral fatigue, thermal stress, dehydration, and/or endogenous glycogen store depletion; of which optimising nutrition and hydration can partially attenuate. If exercise duration is long enough (e.g. ≥ 10h) and exercise intensity low enough (e.g. 45-60% of maximal oxygen uptake), it is bio-energetically plausible that ketogenic adaptation may enhance ultra-endurance performance, but this requires scientific substantiation. Conversely, the scientific literature has consistently demonstrated that daily dietary carbohydrates (3-12g/kg/day) and carbohydrate intake (30-110g/h) during ultra-endurance events can enhance performance at individually tolerable intake rates. Considering gastrointestinal symptoms are common in ultra-endurance activities, effective dietary prevention and management strategies may provide functional, histological, systemic, and symptomatic benefits. Taken together, a well-practiced and individualized fuelling approach is required to optimize performance in ultra-endurance events.
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) | 0,001 | 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 ».