Exploring the ergogenic potential of carbohydrate–caffeine combined mouth rinse on exercise and cognitive performance: a systematic review
Notice bibliographique
Résumé
Carbohydrate (CHO) and caffeine (CAF) mouth rinsing have been independently reported to benefit sport performance. The proposed mechanisms by which mouth rinsing CHO exerts an influence are reported to be different from those for mouth rinsing CAF. However, the potential ergogenic effects of combining CHO and CAF in a single mouth rinse solution, are unclear. This study aimed to review the available evidence of CHO–CAF combined mouth rinse on exercise and cognitive performance in human participants. A systematic literature search was conducted using five databases until April 2024, following the Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) recommendations. Among the nine randomized crossover studies included, only one study showed significant improvements in lower-body muscular endurance with CHO–CAF mouth rinse (effect size (ES): 0.48; p < 0.05), while two studies reported non-statistically significant improvements in repeated sprint performance compared to other mouth rinse and placebo conditions (ES: 0.20–0.81; p = 0.07–0.18). However, for other performance measures, including repeated jumps, upper-body strength and endurance, endurance cycling, and intermittent recovery run, most evidence (five studies) did not demonstrate significant ergogenic effects. Notably, of the two studies that examined cognitive performance, both reported significant improvements with CHO–CAF mouth rinse compared with the placebo condition (ES: 0.45–3.45; p < 0.05). Overall, a synergistic influence of CHO–CAF mouth rinse on physical exercise performance is not evident, but preliminary evidence suggests potential benefits on cognitive performance. Future studies are required to address various methodological issues identified in this review, while practitioners and athletes should exercise caution when considering this novel nutritional strategy.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,012 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».