Ad Libitum Diet, Energy Availability, Body Composition And Performance In Females During A 6-day Ultramarathon
Notice bibliographique
Résumé
Ultramarathons (i.e., running >42.2 km) result in extremely high, acute, exercise energy expenditures (EEE). Adequate energy intake (EI) for optimal energy availability (EA) is vital for health and performance and is understudied in ultramarathon races. Understanding relationships between EI and EA with physiological and performance outcomes is critical for developing targeted nutrition strategies to optimize health and performance in female ultra-runners. PURPOSE: Characterize dietary intake and examine the relationships between EI and EA with body composition and total distance covered among females during a first-of-its-kind 6-day ultramarathon, producing several world records. METHODS: Professional and amateur female athletes consumed food and fluids ad libitum during a 6-day ultramarathon. Athlete dietary intake was recorded by nutrition experts and athlete support crews using gold-standard methods of weighing foods and beverages before and after consumption. EI and macronutrient intake were assessed via ESHA Food Processor Software. Fat mass index (FMI, kg/m2) and fat-free mass index (FFMI, kg/m2) was assessed via dual X-ray absorptiometry. Resting metabolic rate was assessed via indirect calorimetry. EA was calculated as EI-EEE/fat-free mass, where EEE was estimated as 1 kcal/kg/km ran, as established by Margaria et al. (JAP 1963). RESULTS: 4 professional and 6 amateur ultramarathoners participated (mean age: 38 ± 7 yrs; body mass index range: 18.8-48.3 kg/m2; FMI range: 2.0-22.1 kg/m2; FFMI range: 15.4-24.4 kg/m2). Distances covered over 6 days ranged from 181-902 km (464 ± 210 km). Mean EI ranged from 2915 to 6856 kcal/d (4188 ± 1169 kcal/d) with EA ranging from -19.1 to +48.9 kcal/kg/d (-3.2 ± 20.1 kcal/kg/d). 51 ± 12% of EI consisted of carbohydrates followed by fat (34 ± 9%) and protein (15 ± 4%). EI correlated with total distance covered (r = 0.766, p = 0.01), but not FFMI (r = 0.006, p = 0.987) or FMI (r = -0.248, p = 0.489). EA did not relate to total distance covered (r = -0.116, p = 0.751), FFMI (r = -0.006, p = 0.987) or FMI (r = -0.079, p = 0.829). CONCLUSIONS: EI - but not EA - was positively related to total distance covered; neither EI nor EA were related to body composition over a 6-day ultra. These findings highlight the importance of sufficient EI for supporting female ultramarathoners. Supported by: Part of the data presented was collected through a study supported by the MITACS (Mathematics of Information Technology and Complex Systems) Accelerate Program and funded by lululemon athletica inc.
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 | 0,000 |
| 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 ».