Prevalence of Blood Doping in Samples Collected from Elite Track and Field Athletes
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
BACKGROUND: No reliable estimate of the prevalence of doping in elite sports has been published. Since 2001, the international governing body for athletics has implemented a blood-testing program to detect altered hematological profiles in the world's top-level athletes. METHODS: A total of 7289 blood samples were collected from 2737 athletes out of and during international athletic competitions. Data were collected in parallel on each sample, including the age, sex, nationality, and birth date of the athlete; testing date; sport; venue; and instrument technology. Period prevalence of blood-doping in samples was estimated by comparing empirical cumulative distribution functions of the abnormal blood profile score computed for subpopulations with stratified reference cumulative distribution functions. RESULTS: In addition to an expected difference between endurance and nonendurance athletes, we found nationality to be the major factor of heterogeneity. Estimates of the prevalence of blood doping ranged from 1% to 48% for subpopulations of samples and a mean of 14% for the entire study population. Extreme cases of secondary polycythemia highlighted the health risks associated with blood manipulations. CONCLUSIONS: When applied at a population level, in this case the population of samples, hematological data can be used to estimate period prevalence of blood doping in elite sports. We found that the world's top-level athletes are not only heterogeneous in physiological and anthropometric factors but also in their doping behavior, with contrasting attitudes toward doping between countries. When applied at the individual level, the same biomarkers, as formalized in the Athlete Biological Passport paradigm, can be used in analysis of the observed different physiological characteristics and behavioral heterogeneities.
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 | 0,001 |
| 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