Competition Nutrition Practices of Elite Ultramarathon Runners
Notice bibliographique
Résumé
Anecdotal claims have suggested that an increasing number of ultramarathoners purposely undertake chronic low-carbohydrate (CHO) ketogenic diets while training, and race with very low CHO intakes, as a way to maximize fat oxidation and improve performance. However, very little empirical evidence exists on specific fueling strategies that elite ultramarathoners undertake to maximize race performance. The study's purpose was to characterize race nutrition habits of elite ultramarathon runners. Three veteran male ultrarunners (M ± SD; age 35 ± 2 years; mass 59.5 ± 1.7 kg; 16.7 ± 2.5 hr 100-mi. best times) agreed to complete a competition- specific nutrition intake questionnaire for 100-mi. races. Verbal and visual instructions were used to instruct the athletes on portion sizes and confirm dietary intake. Throughout 2014, the athletes competed in 16 ultramarathons with a total of 8 wins, including the prestigious Western States Endurance Run 100-miler (14.9 hr). The average prerace breakfast contained 70 ± 16 g CHO, 29 ± 20 g protein, and 21 ± 8 g fat. Athletes consumed an average of 1,162 ± 250 g of CHO (71 ± 20g/hr), with minor fat and protein intakes, resulting in caloric intakes totaling 5,530 ± 1,673 kcals (333 ± 105 kcals/hr) with 93% of calories coming from commercial products. Athletes also reported consuming 912 ± 322 mg of caffeine and 6.9 ± 2.4 g of sodium. Despite having limited professional nutritional input into their fueling approaches, all athletes practiced fueling strategies that maximize CHO intake and are congruent with contemporary evidence-based recommendations.
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 | 0,001 | 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 | 0,001 |
| 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 ».