Notice bibliographique
Résumé
Sport plays a major role in the lives of many people, both for active participation and as entertainment. Sport is now a huge nationally and internationally based industry. The desire to win has led some athletes to resort to the use of performance enhancing drugs. With huge financial rewards now available in some sports the pressure to excel has grown. Some have argued that drug use should be given free rein, however most people are of the view that it is athletic prowess that should be applauded not the efficacy of various performance enhancing drugs. Apart from the obvious aspects of equality and fair play, the use of drugs is associated with significant health risks. In the 1960's the use of stimulants in sports such as cycling led to the death of at least one cyclist. Since 1968 the International Olympic Committee (IOC) has required all Olympic Games' host cities to provide laboratory facilities for the analysis and detection of performance enhancing drugs. There are now 29 IOC accredited laboratories throughout the world that routinely test samples from athletes for the presence of such drugs. The purpose of this tutorial review is to give an overview of drug testing procedures, including those that were used at the last summer Olympic Games in Sydney 2000, and the incorporation of the latest developments in analytical chemistry technology in the drug testing process. More recently, developments in biotechnology mean that the use of whole new classes of drugs are banned in sport, often requiring new methodologies and techniques for their analysis. The contest between those who wish to cheat and those who wish to maintain fair play in sport is an ongoing one.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,001 | 0,000 |
| 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 ».