Mind the gap: limited knowledge of carbohydrate guidelines for competition in an international cohort of endurance athletes
Notice bibliographique
Résumé
Abstract Despite the well-documented role of carbohydrate (CHO) in promoting endurance exercise performance, endurance athletes typically fail to meet current recommendations in competition. Adequate nutrition knowledge is key to drive athletes’ behaviour, but the current level of knowledge in this population is not known. The present study assessed knowledge of CHO for competition in an international cohort of endurance athletes using the Carbohydrates for Endurance Athletes in Competition Questionnaire (CEAC-Q). The CEAC-Q was completed by 1016 individuals (45 % female), from the United Kingdom (40 %), Australia/New Zealand (22 %), the United States of America/Canada (18 %) and other countries (21 %). Total CEAC-Q scores were 50 ± 20 % (mean ± sd ), with no differences in scores between the five subsections (10 ± 5 points, P < 0⋅001). Based on typical knowledge and frequency of correct answers, we defined questions with low (0–39 %), moderate (40–69 %) and high (70–100 %) knowledge at a population level. Knowledge deficiencies were identified in questions related to CHO metabolism (Low: 2 out of 5 questions (2/5), Moderate: 3/5), CHO-loading (Low: 2/5, Moderate: 1/5), pre-event CHO (Low: 2/5, Moderate: 2/5), CHO during exercise (Moderate: 4/5) and CHO for recovery (Low: 3/5, Moderate: 1/5). Current CHO amounts recommendations were identified correctly for CHO-loading, pre-competition meal, during competition >2⋅5 h) and post-competition recovery by 28% (Low), 45 % (Moderate), 48 % (Moderate), and 29 % (Low), respectively. Our findings indicate that endurance athletes typically have limited knowledge of carbohydrate guidelines for competition, and we identify specific knowledge gaps that can guide targeted nutrition education to improve knowledge as an initial step towards optimal dietary practice.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».