Growth hormone, IGF‐I and insulin and their abuse in sport
Notice bibliographique
Résumé
There is widespread anecdotal evidence that growth hormone (GH) is used by athletes for its anabolic and lipolytic properties. Although there is little evidence that GH improves performance in young healthy adults, randomized controlled studies carried out so far are inadequately designed to demonstrate this, not least because GH is often abused in combination with anabolic steroids and insulin. Some of the anabolic actions of GH are mediated through the generation of insulin-like growth factor-I (IGF-I), and it is believed that this is also being abused. Athletes are exposing themselves to potential harm by self-administering large doses of GH, IGF-I and insulin. The effects of excess GH are exemplified by acromegaly. IGF-I may mediate and cause some of these changes, but in addition, IGF-I may lead to profound hypoglycaemia, as indeed can insulin. Although GH is on the World Anti-doping Agency list of banned substances, the detection of abuse with GH is challenging. Two approaches have been developed to detect GH abuse. The first is based on an assessment of the effect of exogenous recombinant human GH on pituitary GH isoforms and the second is based on the measurement of markers of GH action. As a result, GH abuse can be detected with reasonable sensitivity and specificity. Testing for IGF-I and insulin is in its infancy, but the measurement of markers of GH action may also detect IGF-I usage, while urine mass spectroscopy has begun to identify the use of insulin analogues.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».