Prevalence of Blood Doping in Samples Collected from Elite Track and Field Athletes
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».