Identifying physiological determinants of 800 m running performance using post-exercise blood lactate kinetics
Notice bibliographique
Résumé
Abstract Purpose The aims of the present study were to investigate blood lactate kinetics following high intensity exercise and identify the physiological determinants of 800 m running performance. Methods Fourteen competitive 800 m runners performed two running tests. First, participants performed a multistage graded exercise test to determine physiological indicators related to endurance performance. Second, participants performed four to six 30-s high intensity running bouts to determine post-exercise blood lactate kinetics. Using a biexponential time function, lactate exchange ability ( γ 1 ), lactate removal ability ( γ 2 ), and the quantity of lactate accumulated (QLaA) were calculated from individual blood lactate recovery data. Results 800 m running performance was significantly correlated with peak oxygen consumption (r = −0.794), γ 1 and γ 2 at 800 m race pace (r = −0.604 and −0.845, respectively), and QLaA at maximal running speed (r = −0.657). $${\dot{\text{V}}}$$ V ˙ O 2peak and γ 2 at 800 m race pace explained 83% of the variance in 800 m running performance. Conclusion Our results indicate that (1) a high capacity to exchange and remove lactate, (2) a high capacity for short-term lactate accumulation and, (3) peak oxygen consumption, are critical elements of 800 m running performance. Accordingly, while lactate has primarily been utilized as a performance indicator for long-distance running, post-exercise lactate kinetics may also prove valuable as a performance determinant in middle-distance running.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 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 ».