“(Self-)Surveillance, Anti-Doping, and Health in Non-Elite Road Running”
Notice bibliographique
Résumé
This article explores disciplining effects of current anti-doping surveillance systems on the health consequences of non-elites’ daily behaviors and habits. As they are left out of direct anti-doping testing and enforcement, it is tempting to argue non-elites are unaffected by anti-doping efforts focused on the elite level of their sport. However, it is because they are not subject to anti-doping surveillance systems nor forced to comply with anti-doping regulations that non-elites are implicated within the wider arena of disciplinary power that envelops both elite and non-elite athletes and anti-doping agencies (Foucault 1979). Drawing on data from 28 interviews with non-elite runners I argue these runners do conform to the rules and norms of their sport as far as they understand them, but their knowledge of banned substances is inadequate and many non-elite runners have only a superficial and sometimes incorrect understanding of doping. Many view doping and its associated health risks as a problem only of elite running, as well as a problem limited to only a handful of widely publicized performance enhancing drugs or doping methods. As a result of these misunderstandings non-elite runners are vulnerable to negative health effects of over the counter (OTC) medications and nutritional supplements, which they view as “safe” and part of normal training as a result of the current elite surveillance model of anti-doping. The recent death of a non-elite marathon runner linked to use of the unregulated energy supplement DMAA demonstrates, questionable products are used by runners who may not be fully aware of the risks of use.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».