Validity of a Nomogram to Predict Long Distance Running Performance
Notice bibliographique
Résumé
The purpose was to test the validity of a nomogram to predict performance at distances ranging from the 10 km to the marathon. Official running rankings of the French Athletics Federation for the men's 10 km, 20 km, and marathon were scrutinized from 2002 to 2006. Performances of runners who competed in the 3 distances during the same year were noted (n = 330). Predicted performance by the nomogram was obtained for each distance from the performance at 2 other distances. Actual and predicted performances were compared by a Wilcoxon matched pairs test. The magnitude of the difference was assessed by the effect size (ES). Correlation and Bland-Altman plots were used to evaluate the association and the level of agreement between actual and predicted performances. The nomogram overestimated performance at the 10-km distance (13 seconds; p = 0.03) and underestimated performance at the 20-km distance (27 seconds; p < 0.01). The overestimation for the marathon was not significant (85 seconds; p = 0.06). Whatever the distance, ES were trivial (-0.04 < ES < 0.05). Correlations were 0.89 for the 10 km and the marathon and 0.97 for the 20 km. The limits of agreement represented 10.2, 6.1, and 13.2% of the mean of actual and predicted performances in 10 km, 20 km, and marathon, respectively. These results support the validity of the nomogram to predict performance on 10 km, 20 km, and marathon from the performance at 2 other distances. The accuracy of predictions is better when performance is interpolated. Given their validity and accuracy, interpolated predictions of the nomogram may be used to prescribe realistic training intensities during tempo runs, but also to determine the optimal strategy during the race.
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 | 0,001 |
| 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 ».