Continuous Glucose Monitoring Profiles in Elite-Level Professional European Football Players
Notice bibliographique
Résumé
Background: This descriptive observational study reports on continuous glucose monitoring (CGM) data, using a novel glucose biosensor (Abbott Libre Sense Glucose Sport Biosensor), during professional game play and during daily life in elite European football players. Methods: Eighteen healthy male elite football players (age: 27.5 ± 5.1 years; height 180.1 ± 7.2 cm, weight 74.2 ± 9.1 kg, UEFA Champions League club) participated, with a subset examined for a single game for active (n = 10) and reserve (n = 4) players. Group comparisons used unpaired t -tests or Wilcoxon rank-sum tests; within-group differences used repeated measures one-way analysis of variance or Friedman test. Descriptive statistics were summarized for 24-hour data for daytime (06:00 am -10:59 pm ) and nighttime (11:00 pm -05:59 am ). Results: Higher mean CGM glucose was observed during-game in active compared with reserve players (159 ± 23 vs 133 ± 25 mg/dL, P = .09), with significantly higher time above range (TAR, 72.8 ± 32.02 vs 29.7 ± 37.9%, P = .04) and lower time in range (TIR, 26.7 ± 31.9 vs 70.3 ± 37.9%, P = .04). In the 90 minute pre- to 180 minute post-game period, TAR (57.3 ± 26.6% vs 16.1 ± 20.2%, P = .02) and mean iG (149 ± 19 vs 123 ± 14 mg/dL, P = .02) remained higher for active players. For all 18 players, TIR was 89.4 ± 11.7 and 91.6 ± 13.7%, TAR was 5.9 ± 6.7 and 2.9 ± 5.7%, and time below range was 4.5 ± 10.5 and 5.3 ± 13.2% for day and night, respectively. Conclusions: This observational study suggests that elite European footballers may have significant increases in glycemia, as measured by CGM, supporting the notion that mild hyperglycemia can occur during and after active competition in healthy and metabolically normal athletes, perhaps because of competition stress.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».