MétaCan
Menu
Retour à la cohorte
Enregistrement W4411809559 · doi:10.1177/17479541251335613

Associations between training load, heart rate variability, perceptual fatigue, sleep, and injury in endurance athletes during a 12-week training mesocycle

2025· article· en· W4411809559 sur OpenAlexaff
Raimundo Sánchez, Carlos Nieto, Jaime Leppe, Tim J. Gabbett, Manuela Besomi

Notice bibliographique

RevueInternational Journal of Sports Science & Coaching · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensRunning Injury Clinic
Organismes subventionnairesnon disponible
Mots-clésAthletesTraining (meteorology)Physical medicine and rehabilitationHeart ratePhysical therapyEndurance trainingPsychologySleep (system call)PerceptionMedicineAthletic trainingBlood pressureComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

This study examined associations among training load (external and internal), heart rate variability (HRV), perceptual fatigue, sleep, and injury in endurance athletes during a 12-week training mesocycle. The aims were to (i) compare these parameters between injured and non-injured weeks and (ii) assess differences between high- and low-severity injuries. Fifteen endurance athletes (80% males; median age: 36.5 years; running experience: 5.5 years) participated. Injury severity was measured using the Oslo Sports Trauma Research Centre Questionnaire on Health Problems (OSTRC-H). Training load (training stress score [TSS], Session-Rate of Perceived Exertion [sRPE]), HRV, perceptual fatigue (readiness to train and wellbeing), and sleep were collected through daily and weekly assessments over 12 weeks. The weekly injury prevalence over the 12-week period ranged from 7%–40%, with 47% classified as high severity. Injured weeks were characterised by significantly higher sleep-related impairment ( p = .004, Hedge's g = 0.704), while all other variables did not significantly differ. Athletes who sustained more severe injuries exhibited lower TSS ( p < .001, Hedge's g = 0.84), lower sRPE ( p = .029, Hedge's g = 0.705), poorer subjective wellbeing ( p = .003, Hedge's g = 0.753), and lower HRV ( p = .059, Hedge's g = 0.487) in the week preceding the injury. This exploratory study provides preliminary insights into the potential role of sleep-related impairment, training load fluctuations, and HRV in injury severity among endurance athletes. While findings suggest benefits of integrating these measures into monitoring strategies, the small sample size limits generalisability and should be interpreted with caution.

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 enseignants0,005
Score d'incertitude au seuil0,009

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
Bibliométrie0,0010,000
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 Opus0,042
Tête enseignante GPT0,332
Écart entre enseignants0,290 · 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 revueInternational Journal of Sports Science & CoachingMême sujetSports Performance and TrainingTravaux en français237 207