The effect of tart cherry juice compared to a sports drink on cycling exercise performance, substrate metabolism, and recovery
Notice bibliographique
Résumé
Tart cherries have low glycemic index, antioxidant and anti-inflammatory properties, and therefore may benefit performance and recovery from exercise. We determined the effects of consuming tart cherry juice versus a high-glycemic index sports drink on cycling performance, substrate oxidation, and recovery of low-frequency fatigue. Using a randomized, counter-balanced cross-over design, with one-month washout, 12 recreational cyclists (8 males and 4 females; 35±16y; VO2peak 38.2±7.4 ml/kg/min) consumed cherry juice or sports drink twice a day (300mL/d) for 4d before and 2d after exercise. On the exercise day, beverages (providing 1g/kg carbohydrate) were consumed 45min before 90min of cycling at 65%VO2peak, followed by a 10km time trial. Blood glucose, lactate, carbohydrate and fat oxidation, respiratory exchange ratio (RER), O2 cost of cycling, and rating of perceived exertion (RPE) were measured during the initial 90min of cycling. Muscle soreness, maximal voluntary contraction (MVC) and low-frequency fatigue were determined at baseline and after the time trial on the exercise day, and 30min after beverage consumption 24 and 48h later. There were no differences for time trial performance (17±3min cherry juice vs. 17±2min sports drink, p = 0.27) or any other measures between drink conditions. There were time main effects (p<0.05) for isometric MVC (decreasing) and low-frequency fatigue (increasing; i.e. decreased force at low relative to high stimulation frequencies), changing significantly from baseline to post-exercise and then returning to baseline at 24h post-exercise. Tart cherry juice was not effective for improving performance, substrate oxidation during exercise, and recovery from exercise, compared to a high-glycemic index sports drink.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».