The medium-term changes in performance and physiological and anthropometric characteristics following prolonged low-intensity ski trekking in Antarctica: a case study
Notice bibliographique
Résumé
This study investigated the performance, physiological, and anthropometric changes in a 28-year-old female following an 1130 km Antarctic ski expedition. Data showed that the participant performed low-intensity ski trekking (LIST, ∼62% maximal heart rate) ∼9 h·day −1 for 46 days of the total of 49 expedition days. Estimations indicated that the mean energy intake during the trek (∼15 MJ·day −1 /∼3589 kcal·day −1 ) was ∼75% greater than that prior to the event (∼8.6 MJ·day −1 /∼2048 kcal·day −1 ), and dietary energy distribution of carbohydrates, fats, and proteins changed from a ∼53/30/17 ratio pre-expedition to a ∼43/48/9 ratio during it. Body mass decreased by 11%, while lean mass was maintained. Time to exhaustion during a short (∼5 min) and long (>40 min) incremental ski trek simulation on a treadmill increased by 29% and 3.6%, respectively. Absolute V̇O 2max (L·min −1 ) was unchanged, but relative V̇O 2max (mL·kg −1 ·min −1 ) increased by 17%. Blood glucose concentration decreased by 8.5%, while lipid levels increased by 11%–35%. Creatine kinase, aspartate aminotransferase, and alanine aminotransferase decreased by 21%, 18%, and 13%, respectively. Thyroid stimulating hormone (TSH) increased by 59%. In conclusion, medium-term prolonged LIST can lead to weight-induced endurance performance enhancement and may improve muscle cell resiliency. A low protein intake during such an event does not appear to affect lean mass negatively, despite a substantial weight loss. Reduced carbohydrate consumption and increased fat intake in relative (%) terms during a medium-duration ski trek can decrease blood glucose concentration and raise lipid levels, respectively. TSH may remain elevated several days after such an expedition, reflecting raised metabolism.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».