Effect of sportswear on performance and physiological heat strain during prolonged running in moderately hot conditions
Notice bibliographique
Résumé
Abstract Introduction This study examined the impact of different upper‐torso sportswear technologies on the performance and physiological heat strain of well‐trained and national‐level athletes during prolonged running in moderately hot conditions. Methods A randomized crossover design was employed in which 20 well‐trained (n = 16) and national‐level (n = 4) athletes completed four experimental trials in moderately hot conditions (35°C, 30% relative humidity). In each trial, participants ran at 70% of their peak oxygen uptake (70% V̇O2peak) for 60 min, while wearing a different upper‐body garment: cotton t‐shirt, t‐shirt with sweat‐wicking fabric, compression t‐shirt, and t‐shirt with aluminum dots lining the inside of the upper back of the garment. Running speed was adjusted to elicit the predetermined oxygen consumption associated with 70% V̇O2peak. Physiological (core and skin temperatures, total body water loss, and urine specific gravity) and perceptual (thermal comfort and sensation, ratings of perceived exertion, and garment cooling functionality) parameters along with running speed at 70% V̇O2peak were continuously recorded. Results No significant differences were observed between the four garments for running speed at 70% V̇O2peak, physiological heat strain, and perceptual responses (all p > 0.05). The tested athletes reported larger areas of perceived suboptimal cooling functionality in the cotton t‐shirt and the t‐shirt with aluminum dots relative to the sweat‐wicking and compression t‐shirts (d: 0.43–0.52). Conclusion There were not differences among the tested garments regarding running speed at 70% V̇O2peak, physiological heat strain, and perceptual responses in well‐trained and national‐level endurance athletes exercising in moderate heat.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,002 | 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 ».