Associations between Physical and Cognitive Doping – A Cross-Sectional Study in 2.997 Triathletes
Notice bibliographique
Résumé
PURPOSE: This study assessed, for the first time, prevalence estimates for physical and cognitive doping within a single collective of athletes using the randomized response technique (RRT). Furthermore, associations between the use of legal and freely available substances to improve physical and cognitive performance (enhancement) and illicit or banned substances to improve physical and cognitive performance (doping) were examined. METHODS: An anonymous questionnaire using the unrelated question RRT was used to survey 2,997 recreational triathletes in three sports events (Frankfurt, Regensburg, and Wiesbaden) in Germany. Prior to the survey, statistical power analyses were performed to determine sample size. Logistic regression was used to predict physical and cognitive enhancement and the bootstrap method was used to evaluate differences between the estimated prevalences of physical and cognitive doping. RESULTS: 2,987 questionnaires were returned (99.7%). 12-month prevalences for physical and cognitive doping were 13.0% and 15.1%, respectively. The prevalence estimate for physical doping was significantly higher in athletes who also used physical enhancers, as well as in athletes who took part in the European Championship in Frankfurt compared to those who did not. The prevalence estimate for cognitive doping was significantly higher in athletes who also used physical and cognitive enhancers. Moreover, the use of physical and cognitive enhancers were significantly associated and also the use of physical and cognitive doping. DISCUSSION: The use of substances to improve physical and cognitive performance was associated on both levels of legality (enhancement vs. doping) suggesting that athletes do not use substances for a specific goal but may have a general propensity to enhance. This finding is important for understanding why people use such substances. Consequently, more effective prevention programs against substance abuse and doping could be developed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».