Episodio 27 : Monitores de Glucosa (CGM) ¿Juguete Caro o Revolución del Rendimiento? 🩸

Episodio 27 : Monitores de Glucosa (CGM) ¿Juguete Caro o Revolución del Rendimiento? 🩸

💬 ¿Tienes una pregunta o comentario? Escríbenos a: lactatesports@gmail.com

☕ Compra un Gel Caf para Lactate para apoyar el trabajo: ko-fi.com/lactate

Resumen: El paso de los monitores continuos de glucosa (CGM) de la diabetes clínica al deporte de resistencia promete optimizar tu nutrición en tiempo real, pero la realidad científica impone límites tecnológicos claros. Debes considerar el "retraso fisiológico" de 5 a 15 minutos entre la sangre y el líquido intersticial, además de la "inversión intersticial" durante el ejercicio intenso, donde tu glucosa sanguínea sube por la liberación hepática mientras el sensor muestra valores bajos. La optimización del entrenamiento se basa en identificar tu "glucotipo" individual, invalidando el Índice Glucémico universal; los atletas de élite usan esta herramienta para validar ingestas de 90–120g de carbohidratos por hora y detectar el sobreentrenamiento mediante la intolerancia a la glucosa. Evita caer en la "ortorexia" o confiar en datos alterados por el calor o la vitamina C; los datos de tu reloj son un "post-mortem" de lo que ocurrió hace 10 minutos. El caso de Kristen Faulkner en la Strade Bianche 2023 marca el conflicto actual entre la tecnología de punta y la esencia humana de la competición.

Palabras clave: cgm, variabilidad glucémica, glucotipos, líquido intersticial, estrategia de carga, rendimiento, glucogenólisis, sobreentrenamiento, biohacking, metabolismo

🎙️ Lactate, el pódcast que descifra la ciencia para mejorar tu rendimiento.

Referencias clave :

Flockhart, M., et al. (2021). Excessive exercise training causes mitochondrial functional impairment and decreases glucose tolerance in healthy volunteers. Cell Metabolism. https://doi.org/10.1016/j.cmet.2021.02.005

Thomas, F., et al. (2016). Glycemic Profiles of Sub-Elite Athletes with Normal Glucose Tolerance. Journal of Diabetes Science and Technology. https://doi.org/10.1177/1932296816648344

Zeevi, D., et al. (2015). Personalized Nutrition by Prediction of Glycemic Responses. Cell. https://doi.org/10.1016/j.cell.2015.11.001

Oliver, N. S., et al. (2024). Accuracy of continuous glucose monitoring during exercise. Journal of Applied Physiology.

Rodriguez, J. A., et al. (2024). Continuous glucose monitoring for people without diabetes. Diabetes Technology & Therapeutics. https://doi.org/10.1089/dia.2024.0152

Voz generada por inteligencia artificial a partir del informe científico del equipo de Lactate.