Évaluation de l’impact d’un ultra trail de 156km sur l’équilibre glycémique de coureurs non diabétiques:résultats préliminaires
Bibliographic record
Abstract
Contexte - Plusieurs équipes ont exploré la glycémie lors d’épreuves d’ultra-endurance, mais, \nseulement avec des mesures ponctuelles conduisant à des résultats divergents (baisse[1], \nhausse[2], ou stabilité de la glycémie[3]). La mesure des variations glycémiques en continu \npermettrait d’apprécier les variations réelles de glycémies pendant les différentes phases de \nl’épreuve et à la récupération. La mise en évidence d’éventuels épisodes hypo ou \nhyperglycémiques pourrait expliquer certaines variations de performances. \nMéthodes - Cinquante-cinq coureurs (43 hommes, 12 femmes) ont participé à un ultra-trail de \n6 boucles de 26km et 1000m D+ à Clécy (France)[4]. La veille de la course, un capteur de \nglucose interstitiel en continu, en mode masqué, a été placé à l'arrière du bras des participants \net porté pendant 14 jours afin d’obtenir les données de repos (de la pose du capteur jusqu’à \n06h00 le jour de la course), de course mais aussi de récupération. Des modèles mixtes linéaires \nou des régressions logistiques binaires ont permis d’identifier les excursions glycémiques et \nleurs liens avec les caractéristiques de course. \nRésultats - Au repos avant la course, le temps passé <70mg.dL-1 est 2,26% plus élevé que \npendant la course (e -2,26; P<0,001) alors que le temps passé >140mg.dL-1 est moins élevé que \npendant la course (e -5,86; P=0,004). Plus la vitesse de course est élevée lors d’une boucle, \nplus les coureurs passent de temps >140mg.dL-1 (e -0,1; P=0,003). La variabilité glycémique \n(coefficient de variation) augmente au fur et à mesure des boucles de course (e +2,55; P<0,001). \nL’augmentation du temps passé >140mg.dL-1 a tendance à diminuer le temps de réaction des \ncoureurs lors des tests de vigilance (e -0,01; P=0,071). \nConclusion - L’ultra trail s’est accompagné d’un risque hyperglycémique, et non \nhypoglycémique, accru, d’autant plus lors les boucles où la vitesse était plus élevée, suggérant \nl’implication des hormones hyperglycémiantes. La suite des analyses explorera les données de \nrécupération.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".