MétaCan
Menu
← Retour à la cohorte
Enregistrement W2065946857 · doi:10.1139/h06-081

Stratégie optimale d’amaigrissement dans les sports à catégories de poids

2006· article· en· W2065946857 sur OpenAlexvenueno aff
Thierry Paillard

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)Body weightWeight lossCompetitor analysisPhysical therapyObesityPsychologyMedicineBiologyBusinessMarketingEndocrinologyEcology

Résumé

récupéré en direct d'OpenAlex

Weight-class sports incite the sportsmen to loose weight to change class and increase their chance of success in competition. Although these sports are very demanding on the physiological level (high intensity), most of the competitors undertake caloric restrictions that are likely to induce physiological disorders detrimental to their health and sport performances. Two strategies allow to loose bodyweight. The first is maintained over a very short time (less than 1 week), the second is maintained over a longer period (several weeks). Managing weight reduction, food intake, and physical activities over several weeks is a particularly efficient way to conserve the sportsman's performance abilities. On the other hand, the transgression of certain principles in only one of these fields is enough to deteriorate the sportsman's capacities of performance and (or) his health, whatever the duration of the period of the loss of weight. During food restriction, the carbohydrate and protein rations must be increased to prevent the unavoidable involutions of body composition and performance. In spite of food restriction, the training intensity must be high, and only the training volume must decrease to remain competitive.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,003

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 Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and Metabolism→Même sujetMuscle metabolism and nutrition→Travaux en français237 207→