Does Lifelong Training Temper Age-Related Decline in Sport Performance? Interpreting Differences Between Cross-Sectional and Longitudinal Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the face of remarkable aging trends in North American society, organized sport/physical activity is an important vehicle for promoting physical health, and a domain in which long-term participation might mitigate pessimistic trends for age decline. This investigation examined patterns of age-related decline in performance for 45 Masters runners who rigorously trained continuously for at least a decade. Longitudinal data for age and performance were collected for 200 m, 1500 m, and 10 km events retrospectively across participants' careers. Cross-sectional (CS) data representing normal patterns of aging were derived from online archives. Longitudinal data reflected within-participant training effects whereas CS data did not. Second-order regression analyses were performed separately for each data type and quadratic beta coefficients, indicative of accelerated age decline, were compared for CS and longitudinal samples on a within-event basis. Results showed evidence of accelerated decline with advancing age for both samples, although rates for longitudinal samples were moderated for the 200 m and 1500 m events. Findings for the long-distance event were anomalous. Results provide evidence for moderated age-decline in physical performance measures for individuals who sustain engagement in organized sport for lengthy periods. Discussion focuses on methodological considerations for advancing future research that contrasts CS and longitudinal samples, and the importance of encouraging sport involvement opportunities to aging individuals.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle