Impact of Menstrual Cycle and Oral Contraceptives on Haematological and Inflammatory Biomarkers in Highly Trained Female Athletes
Notice bibliographique
Résumé
Haematological and inflammatory biomarkers play an important role in athlete performance and health, with some of them used in the fight against doping. However, little is known about how they are modulated by sex hormone fluctuations in highly trained female athletes. We therefore measured the haematological parameters monitored in the athlete biological passport (ABP) as well as erythropoietin, serum markers of iron and inflammatory statuses (iron, ferritin, transferrin, transferrin saturation, albumin, creatinine, total protein, interleukin-6 and TNF-alpha) in 20 highly trained female athletes: 10 with normal menstrual cycle (NMC) during the early follicular and mid-luteal phases and 10 using a combined oral contraceptive (COC, i.e., ethinyloestradiol and levonorgestrel) during active and inactive hormone intake. Body composition, leptin and lipid profile (total cholesterol, HDL, LDL and triglycerides) were determined in parallel. No changes were observed throughout NMC phases. Irrespective of active/inactive pill intake, COC use increased transferrin, triglycerides as well as reticulocyte count (p < 0.05) and decreased interleukin-6 (p < 0.05), with no significant changes in the other parameters studied. In conclusion, given our results across NMC phases in highly trained athletes, it seems warranted to investigate whether intense physical training would mitigate the impact of endogenous sex hormones on body composition and haematological and inflammatory parameters. In addition, further studies are needed to determine the extent of the changes induced by COCs on these blood biomarkers in elite female athletes when subjected to extreme environments such as intensive training or competition in humid heat, cold and/or hypoxia or when using other medications in parallel.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».