Steroid anabolic and catabolic hormones in highly and recreationally trained female athletes across the menstrual cycle
Notice bibliographique
Résumé
Sex hormone fluctuations across the normal menstrual cycle (NMC) may affect women's performance and health, but literature is sparse on the estradiol (E2) impact on anabolic and catabolic hormones and well-being in female athletes. We therefore measured in 21 NMC anaerobically trained female athletes: 12 highly (HT) and nine recreationally (RT) during late luteal/early follicular (Low E2) and late follicular/peri-ovulatory (High E2) phases: DHEAS, DHEA, androstenedione (A4), testosterone (T), sex hormone-binding globulin (SHBG), cortisol, free androgen index (FAI = T/SHBG), and their relative ratios. Body composition and well-being, assessed by positive and negative affects (PANAS), were determined in parallel. In High versus Low E2, subjects showed a significant percentage increase in T, A4 (p < 0.001) and FAI (p < 0.05), with high A4/T correlation (r = 0.78), without any change in the other parameters. While no group difference was detected in hormone concentrations, HT versus RT subjects presented higher muscle mass and positive affects and lower FAI (p < 0.05). In conclusion, T and A4 were modulated across NMC, probably resulting from a variable ovarian contribution, but without inducing any change in the anabolic/catabolic balance, regardless of the physical training level. However, high anaerobic training may enhance T sensitivity in view of the FAI, body composition and well-being outcomes.
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 ».