Sportomics suggests that albuminuria is a sensitive biomarker of hydration in cross combat
Notice bibliographique
Résumé
We have been using sportomics to understand hypermetabolic stress. Cross Combat (CCombat) has recently been initiated as a high-intensity functional training method inspired by CrossFit. We used a CCombat session to induce metabolic stress and evaluated its effects on hydration and kidney function. Blood samples were collected from 16 elite-level professional male athletes engaged in training sessions over a 96-h protocol. Blood myoglobin increased by ~ 3.5-fold (119 ± 21 to 369 ± 62 nmol/L; p = .001) in response to the protocol, returning to the pre-exercise level within 48 h. Furthermore, D-dimer levels increased from 6.5 ± 0.6 to 79.4 ± 21.3 μmol/L (p < .001) in response to exercise decreasing during recovery with high variability among the studied athletes. Albuminemia and creatininemia increased ~ 10% and cystatin C increased ~ 240% (1.7 ± 0.1 to 5.7 ± 0.5 mg/L; p < .001; effect size = 2.4) in response to the protocol. We measured albuminuria (HuA) to assess kidney permeability to albumin caused by exercise. HuA increased ~ 16-fold (0.16 ± 0.03 to 2.47 ± 0.41 μmol/L; p < .001; effect size = 1.4) in response to exercise, dropping and reaching basal levels during 48 h. Here, we suggest that microalbuminuria can be used as an early, sensitive, easy, and inexpensive biomarker to evaluate hydration status changes during intensive exercise, decreasing chronic impairment in renal function.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».