もうネタにしないと言いましたが再びChatGPTに聞いてみたコト。
自称トレイルランナーが、“ChatGPT“をテーマにnoteを書いてます。
今回 は 「crossover concept」についてChatGPTに教えてもらったことを書きます。
もういい加減、しつこくなるのでChatGPTネタはここまでにしようと思う。
…ってこの前は書いたのだが。
ChatGPTとのやりとりでなるほどなって腑に落ちたことがあったので記事にしてみる。
ちなみに、この記事は論文の読む時に「騙されてないか!!」って自問したことがきっかけとなっている。ファットアダプトを実践するランナーにとって、ドンピシャなネタではないが、チョピリでも役立ってもらえると幸いである。
その前にcrossover conceptって???…を紐解きます。
'crossover' concept
1994年の論文だ。この論文にカブリつきたい物好きのために、リンクも用意しておく。
この論文によってcrossover conceptという概念が世に出たわけだ。決して難しくはない。ファットアダプテーションを知っているなら、すでにわかっているハズだ。
イイ感じの運動強度では脂肪がエネルギー源になっているけど、運動強度を上げていくと糖質がエネルギーになるるるる…をアカデミックに表現すると、図中のグラフになる。
このグラフだと、だいたい70％くらいの運動強度でエネルギー源が脂質と糖質がが逆転するポイント。つまり、crossover pointとなるのか。
crossover conceptの雰囲気を味わったら
自称トレイルランナーである僕は、自身の体脂肪をエネルギー源に走り続けられたらってコトを、ライフワークにしたいと思っている。実際、職業がら得られる恩恵をあの手この手で駆使して、研究してきた。富山で発表もしてみた。
発表する前段階で、先行する研究を物色することになる。
運動強度を何%にすると、効率よく体脂肪をエネルギー源にできるのか???
結論としては、一定しない。ある程度、いやかなりの幅がある。
研究によって幅がある。
先日、昼休み中にいつものように論文を物色していると、おぉ〜と思った論文にぶち当たった。論文のタイトルはなまら長い。
翻訳アプリによると「プロの持久力アスリートおよびフィット感の低い個人における運動に対する血液乳酸、脂肪、および炭水化物の酸化反応の測定による代謝柔軟性の評価」だ。
イメージとしては、プロアスリート、庶民、メタボの3グループに運動させて、色々測定しましたよっと。庶民といえど「moderately active」ということなので、運動習慣のある庶民と押さえておく。
この3つのグラフが良い。上からトップアスリート、庶民、メタボ。
トップアスリートは400ワットまでチャリ漕げる。庶民は300ワットだ。
トップアスリートに着目すると、運動強度が増すと脂質利用が増加する。だが、250ワット手前をピークに落ち始め、300ワット辺りで糖質とcrossoverする。運動強度がさらに増すと脂質の利用はどんどん減少する。
庶民はどうだ。運動開始から脂質利用は徐々に減少している。170ワット辺りで糖質をcrossoverしている。
ここで気になったのが、文字がかすれた元祖crossoverもそうだが、グラフ縦軸のスケールが左軸と右軸で違うことに気づいた。
なので、昼休みに左右のスケールを揃えてみた。
脂質利用の青いラインと糖質利用の赤いラインはかすりもしない。トップアスリート然り、メタボ然り。crossoverしてないし。
そこでChatGPTに聞いてみた。
【質問1】
図6の縦軸について質問があります。左の第1軸と右の第2軸の値は同じ単位ですが、スケールが異なるのはどういった意図があるのでしょうか。同じスケールにするとFATとCHOのグラフが交差することはありません。
【回答1】
図6の縦軸について、左の第1軸と右の第2軸の値が同じ単位であるにもかかわらず、スケールが異なる理由は、異なる範囲のデータを比較するためです。左の第1軸のスケールは、FAT酸化率の低い値から高い値までを示しており、右の第2軸のスケールは、CHO酸化率の低い値から高い値までを示しています。これにより、データの範囲が異なるグループ間で比較することができます。ただし、同じスケールにすると、FATとCHOのグラフが交差することはなくなるため、異なるスケールを使用する必要があります。
【質問2】
このような場合には、スケールを変える一般的な基準や作法のようなものはあるのですか。
【回答2】
スケールを変更する場合には、データの範囲とグラフの見栄えを考慮する必要があります。一般的には、データの範囲が小さい場合には、スケールを狭くして、グラフの変化を明確にすることが適切です。一方、データの範囲が広い場合には、スケールを広くして、グラフ全体を表示することが適切です。また、データが対数的な場合には、対数軸を使用することもあります。
スケールを変更する際には、グラフの軸に適切なラベルを付けることが重要です。同じ単位であっても、異なる範囲のデータを比較する場合には、軸の範囲を示すラベルを付けることが役立ちます。また、軸のスケールを変更する際には、グラフのキャプションに注意を払い、変更されたスケールに基づく結論を明確にする必要があります。
【質問3】
Brooks と Mercier が提唱する"crossover concept"を示すためにスケールを変えたような印象を受けました。論文を検証する場合に問題となることはないのですか。読者の印象を操作するような気がしました。
【回答3】
図のスケールを変更することは、データを視覚的に表現する際によく使われる方法の1つです。ただし、スケールを変更することでデータの解釈が歪められる可能性があるため、注意が必要です。例えば、異なるスケールで表現された2つのグラフを比較するときは、正確な比較を行うためにデータの範囲、最小値、最大値、および表示される単位を理解する必要があります。
この論文では、左側のy軸と右側のy軸のスケールが異なるグラフを使用して、BrooksとMercierが提唱するクロスオーバー概念を示しました。このグラフは、異なる運動強度でFAT酸化率とCHO酸化率の相対的な変化を示すために使用されました。スケールを変更することで、グラフの交差点を明確に示すことができました。
ただし、スケールを変更することは、データの解釈を歪める可能性があるため、注意が必要です。この論文では、スケールの変更が論理的かつ正当な理由があることを示すために、BrooksとMercierが提唱するクロスオーバー概念について説明しています。また、論文全体で統計解析が行われ、主張が統計的にサポートされていることも確認されています。したがって、この論文は、スケールを変更することでデータの解釈を歪める意図があるわけではなく、読者がデータを適切に解釈できるように、主張がサポートされた論拠を提供していると言えます。
【質問4】
よく理解できました。ありがとうございます。
【回答4】
どういたしまして。何か他に質問があればいつでもお聞きください。
なるほどそうゆーことか
もっともらしい回答だったので納得してしまった。
周囲をしっかり固めて追い込み漁のように仕留める感あり。これはこれで、今後の理論を展開する時に役立ちそうだ。
研究者が言いたいことを具現化するために、手を加えるのもママ良いでしょう。
とういうことだ。
実際にトレーニングを積んだトップアスリートは、栄養源が脂質優位から糖質優位に切り替わる運動強度は、庶民と比べると高いところにある。
これをトレイルランニングに当てはめてみる。
トップアスリートはガシガシ走っても、脂質を優位にエネルギー源として利用できるのでハンガーノックとは無縁である。
一方で庶民は調子に乗ってガシガシ走ると、糖質を使い切ってハンガーノックで動けなくなる…
なるほど納得。
この記事が気に入ったらサポートをしてみませんか？