Evaluation of Sports Nutrition Knowledge and Recommendations Among High School Coaches
Notice bibliographique
Résumé
The objectives of this study were to evaluate high school coaches' knowledge in sports nutrition and the nutritional practices they recommend to their athletes. Forty-seven high school coaches in "leanness" and "non-leanness" sports from the greater region of Quebec (women = 44.7%) completed a questionnaire on nutritional knowledge and practices. "Leanness sports" were defined as sports where leanness or/and low bodyweight were considered important (e.g., cheerleading, swimming and gymnastics), and "non-leanness sports" were defined as sports where these factors are less important (e.g., football). Participants obtained a total mean score of 68.4% for the nutrition knowledge part of the questionnaire. More specifically, less than 30% of the coaches could answer correctly some general nutrition questions regarding carbohydrates and lipids. No significant difference in nutrition knowledge was observed between coaches from "leanness" and "non-leanness" sports or between men and women. Respondents with a university education scored higher than the others (73.3% vs. 63.3%, p < .05). Coaches who participated in coaching certification also obtained better results than those without a coaching certification. The most popular source of information about nutrition used by coaches was the Internet at 55%. The two most popular nutrition practices that coaches recommended to improve athlete performance were hydration and consumption of protein-rich foods. Recommendation for nutritional supplements use was extremely rare and was suggested only by football coaches, a nonleanness sport. Findings from this study indicate that coaches need sports nutrition education and specific training.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».