Low Energy Availability Followed by Optimal Energy Availability Does Not Benefit Performance in Trained Females
Notice bibliographique
Résumé
PURPOSE: Short periods of reduced energy availability are commonly undertaken by athletes to decrease body mass, possibly improve the power-to-mass ratio, and enhance physical performance. Our primary aim was to investigate the impact of 10 d of low energy availability (LEA) followed by 2 d of optimal energy availability (OEA) on physical performance parameters in trained females. Second, physiological markers at the whole-body and molecular level related to performance were evaluated. METHODS: Thirty young trained eumenorrheic females were matched in pairs based on training history and randomized to a 10-d intervention period of LEA (25 kcal·fat-free mass (FFM) -1 ·d -1 ) or OEA (50 kcal·FFM -1 ·d -1 ) along with supervised exercise training. Before the intervention, participants underwent a 5-d run-in period with OEA + supervised exercise training. After the LEA intervention, 2 d of recovery with OEA was completed. Participants underwent muscle biopsies, blood sampling, physical performance tests, body composition measurements, and resting metabolic rate measurements. A linear mixed model was used with group and time as fixed effects and subject as random effects. RESULTS: Compared with OEA, LEA resulted in reduced body mass, muscle glycogen content, repeated sprint ability, 4-min time-trial performance, and rate of force development of the knee extensors (absolute values; P < 0.05). Two days of recovery restored 4-min time-trial performance and partly restored repeated sprint ability, but performance remained inferior to the OEA group. When the performance data were expressed relative to body mass, LEA did not enhance performance. CONCLUSIONS: Ten days of LEA resulted in impaired performance (absolute values), with concomitant reductions in muscle glycogen. Two days of recovery with OEA partially restored these impairments, although physical performance (absolute values) was still inferior to being in OEA. Our findings do not support the thesis that LEA giving rise to small reductions in body mass improves the power-to-mass ratio and thus increases physical performance.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».