MétaCan
Menu
Retour à la cohorte
Enregistrement W1981176008 · doi:10.1055/s-0034-1368725

Athletic Performance and Birth Month: Is the Relative Age Effect More than just Selection Bias?

2014· article· en· W1981176008 sur OpenAlexaff
Gavin Sandercock, Akinlabi Oladele Ogunleye, David Parry, D. Cohen, Michelle L. Taylor, Christine Voss

Notice bibliographique

RevueInternational Journal of Sports Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British ColumbiaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCardiorespiratory fitnessAnthropometryMedicinePhysical fitnessDemographySelection biasSelection (genetic algorithm)PediatricsPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine if month of birth affects performance in 3 tests of physical function in children and adolescents. We measured cardiorespiratory fitness, handgrip strength and lower-body power expressed them relative to (whole year) age then compared scores between calendar year birth-months. We also expressed test performance as the likelihood of achieving criterion-referenced fitness standards. There were significant main effects of birth-month for cardiorespiratory fitness (F=4.54, p<0.001), strength (F=6.81, p<0.001) and power (F=3.67, p<0.001). Children born in November were fitter and more powerful than those born at other times, particularly the summer months (April, May and June). October-born children were stronger than those born in all months except September and November. This relationship was evident despite controlling for decimal age and despite no significant inter-month differences in anthropometric characteristics.There is a clear physical advantage for those born in the autumn and this may explain some of the bias in sports selection attributed to the relative age effect, particularly when the British school-year (September) cut-off is used.

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)0,016
score de la tête « metaresearch » (Gemma)0,052
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 enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,052
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,293
Écart entre enseignants0,273 · 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports MedicineMême sujetSports Performance and TrainingTravaux en français237 207