Impact of Environmental Parameters on Marathon Running Performance
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
PURPOSE: The objectives of this study were to describe the distribution of all runners' performances in the largest marathons worldwide and to determine which environmental parameters have the maximal impact. METHODS: We analysed the results of six European (Paris, London, Berlin) and American (Boston, Chicago, New York) marathon races from 2001 to 2010 through 1,791,972 participants' performances (all finishers per year and race). Four environmental factors were gathered for each of the 60 races: temperature (°C), humidity (%), dew point (°C), and the atmospheric pressure at sea level (hPA); as well as the concentrations of four atmospheric pollutants: NO(2)-SO(2)-O(3) and PM(10) (μg x m(-3)). RESULTS: All performances per year and race are normally distributed with distribution parameters (mean and standard deviation) that differ according to environmental factors. Air temperature and performance are significantly correlated through a quadratic model. The optimal temperatures for maximal mean speed of all runners vary depending on the performance level. When temperature increases above these optima, running speed decreases and withdrawal rates increase. Ozone also impacts performance but its effect might be linked to temperature. The other environmental parameters do not have any significant impact. CONCLUSIONS: The large amount of data analyzed and the model developed in this study highlight the major influence of air temperature above all other climatic parameter on human running capacity and adaptation to race conditions.
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 | 0,000 | 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) | 0,001 | 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