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 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 | 0,001 | 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) | 0,001 | 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 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 ».