MétaCan
Menu
Retour à la cohorte
Enregistrement W4409001759 · doi:10.3390/nu17071202

Exploring Gender-Specific Correlations Between Nutritional Intake, Body Composition, Psychological Skills, and Performance Metrics in Young Taekwondo Athletes

2025· article· en· W4409001759 sur OpenAlexaff
Mohammad Hossein Samanipour, Mohammad Azizi, Omid Salehian, Halil İ̇brahim Ceylan, Juan Mielgo‐Ayuso, Juan Del Coso, Raul Ioan Muntean, Nicola Luigi Bragazzi, Tomás Herrera-Valenzuela

Notice bibliographique

RevueNutrients · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAthletesPsychologyComposition (language)Physical therapyMedicineClinical psychologyGerontology

Résumé

récupéré en direct d'OpenAlex

Objectives: Taekwondo performance is influenced by a complex and dynamic interplay of physical, nutritional, and psychological factors, all of which contribute to competitive success. However, the gender-specific relationships among these factors in young high-performance athletes remain understudied. This study aimed to fill in this knowledge gap. Methods: A cross-sectional study was conducted with 35 elite taekwondo athletes (male: n = 20, female: n = 15, age: 13 ± 1 years). Participants underwent anthropometric assessments, dietary evaluations, and psychological skill assessments during an 8-week training camp before the World Taekwondo Championships. Physical performance was assessed using the Frequency Speed of Kick Test (FSKTmult) and the Taekwondo-Specific Agility Test (TSAT). Statistical analyses included independent t-tests, correlation analyses, and regression models. Results: Males exhibited significantly higher fat-free mass (FFM: 42.8 ± 2.9 kg vs. 36.3 ± 1.6 kg, p < 0.001), skeletal muscle mass (SMM: 31.1 ± 2.2 kg vs. 28.2 ± 1.6 kg, p < 0.001), and energy intake (32.4 ± 4.6 kcal/kg vs. 29.3 ± 3.1 kcal/kg, p = 0.032) than females. Males also had greater dietary intakes of vitamin A, vitamin C, magnesium, and iron (all p < 0.05). There were no gender differences in any psychological attributes associated with emotional intelligence, sport success perception, and mental toughness. Although the total kick count in the FSKTmult was similar for male and female taekwondo athletes (100.2 ± 4.6 vs. 97.5 ± 5.9 kicks, p = 0.139), males outperformed females in round 4 (19.4 ± 1.1 vs. 18.6 ± 1.4 kicks, p = 0.048) and round 5 (18.2 ± 1.0 vs. 17.2 ± 1.0 kicks, p = 0.007) of this test, suggesting higher physical performance maintenance during the test. Regression models indicated that body mass (β = 0.901, p < 0.001) and calcium intake (β = 0.284, p = 0.011) predicted performance in males, while body mass (β = 1.372, p < 0.001), protein intake (β = 0.171, p = 0.012), and emotional regulation (β = 0.174, p = 0.012) were key predictors in females. Conclusions: These findings highlight the importance of an integrated approach to training, nutrition, and psychological preparation in optimizing taekwondo performance. While males and females demonstrated similar psychological resilience and total kick output in a taekwondo-specific test, males exhibited superior endurance in later test rounds of this test. Performance optimization in young elite taekwondo athletes may require the implementation of gender-specific training and nutrition strategies, emphasizing body weight control and calcium intake for males and protein intake for females.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,280
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMuscle metabolism and nutritionTravaux en français237 207