MétaCan
Menu
← Retour à la cohorte
Enregistrement W1976069867 · doi:10.5539/ass.v9n16p40

Comparison of Energy Expenditure during Walking between Female Athletes and Non-Athletes

2013· article· en· W1976069867 sur OpenAlexvenueno aff
Fariba Hossein Abadi, Tajul Ariffin Muhamad, Norlena Salamuddin, Mohd Radzani, Hasti Satari

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clésAthletesAnthropometryPhysical therapyEnergy expenditureTreadmillMedicinePhysical medicine and rehabilitationPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

This study aimed to determine, if there is a difference in energy expenditure during walking among athletes and non-athletes at two different speeds of walking. Ninety five healthy female students (47 athletes and 48 non-athletes) with a mean age of 22.4 (±1.6) years purposively participated in this study. Medical and sport participation history of the subjects was acquired through a questionnaire. Two experimental tests including anthropometric measurements, VO2max, and walking tests on treadmill at speeds of 3.00 and 3.5 mph were conducted. Results showed no difference in weight, height, body mass index, and leg length between both groups. The non-athletes expended a greater amount of energy than athletes (3.78±.1 and 2.95±.6 kcal.min-1, respectively) at both speeds of 3.00mph and 3.5mph (4.89±1 and 3.94±.7 kcal.min-1). Based on energy requirements for walking at similar weights and speeds by ACSM’s guideline, the female athletes walked at a slow, moderate and brisk pace. Most of the female non-athletes walked at a moderate, brisk and very brisk pace. This study revealed that regular exercise could improve walking efficiency, and the energy expenditure of walking would play an important role in the information processing for total energy requirement that progressively affects weight management and health.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,339
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetPhysical Activity and Health→Travaux en français237 207→