Short Severe Energy Restriction with Refueling Reduces Body Mass without Altering Training-Associated Performance Improvement
Notice bibliographique
Résumé
PURPOSE: We investigated short-term (9 d) exposure to low energy availability (LEA) in elite endurance athletes during a block of intensified training on self-reported well-being, body composition, and performance. METHODS: Twenty-three highly trained race walkers undertook an ~3-wk research-embedded training camp during which they undertook baseline testing and 6 d of high energy/carbohydrate (HCHO) availability (40 kcal·kg FFM -1 ·d -1 ) before being allocated to 9 d continuation of this diet ( n = 10 M, 2 F) or a significant decrease in energy availability to 15 kcal·kg FFM -1 ·d -1 (LEA: n = 10 M, 1 F). A real-world 10,000-m race walking event was undertaken before (baseline) and after (adaptation) these phases, with races being preceded by standardized carbohydrate fueling (8 g·kg body mass [BM] -1 for 24 h and 2 g·kg BM -1 prerace meal). RESULTS: Dual-energy x-ray absorptiometry-assessed body composition showed BM loss (2.0 kg, P < 0.001), primarily due to a 1.6-kg fat mass reduction ( P < 0.001) in LEA, with smaller losses (BM = 0.9 kg, P = 0.008; fat mass = 0.9 kg, P < 0.001) in HCHO. The 76-item Recovery-Stress Questionnaire for Athletes, undertaken at the end of each dietary phase, showed significant diet-trial effects for overall stress ( P = 0.021), overall recovery ( P = 0.024), sport-specific stress ( P = 0.003), and sport-specific recovery ( P = 0.012). However, improvements in race performance were similar: 4.5% ± 4.1% and 3.5% ± 1.8% for HCHO and LEA, respectively ( P < 0.001). The relationship between changes in performance and prerace BM was not significant ( r = -0.08 [-0.49 to 0.35], P = 0.717). CONCLUSIONS: A series of strategically timed but brief phases of substantially restricted energy availability might achieve ideal race weight as part of a long-term periodization of physique by high-performance athletes, but the relationship between BM, training quality, and performance in weight-dependent endurance sports is complicated.
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 | 0,000 | 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) | 0,002 | 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 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 ».