Your Heart Can’t See What Sneakers You Are Wearing: Exercise Training Load in Endurance Athletes Is Inadequately Quantified in Sports Cardiology
Notice bibliographique
Résumé
BACKGROUND: Training load may be an important factor underlying the (patho-)physiologic cardiovascular adaptations from endurance exercise. Yet, quantifying training load remains challenging due to the complexity of its components (Frequency, Intensity, Time, and Type [FITT]). In this systematic review we evaluate how training load has been quantified in sports cardiology studies and provide recommendations for how this can be improved. METHODS: A comprehensive search was conducted across PubMed and EMBASE up to October 2024. Studies involving "sports cardiology," "training load," and "endurance sport" were included. Data extraction included study characteristics, training load assessment methods, cardiovascular outcomes, and athlete profiles. RESULTS: A total of 62 studies with 1,060,700 participants were included in our review. The majority of studies (59.7%) focused on exercise-induced cardiac remodelling, with other topics being cardiac arrhythmias (12.9%), cardiac autonomic adaptation (3.2%), exercise dose-response (6.5%), and coronary heart disease (17.7%). Training load was primarily quantified by questionnaires (58.1%), whereas heart rate monitoring, a more objective measure, was used in only 1.6% of the studies. All studies reported exercise type, but only 19.4% measured all FITT components. CONCLUSIONS: There is a lack of uniformity in the assessment of key FITT variables to quantify training load within the field of sports cardiology, with many studies relying on subjective or incomplete methods. As cardiology moves into the precision medicine era, researchers and clinicians should seek to obtain objective training load information from their athletes according to the FITT framework, and data from use of objective wearable devices represent the optimal way to do this.
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 | 0,013 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».