Misunderstanding the Female Athlete Triad: Refuting the IOC Consensus Statement on Relative Energy Deficiency in Sport (RED-S)
Notice bibliographique
Résumé
Background Smoking contributes to socioeconomic inequalities in mortality, but the extent to which this contribution has changed over time and driven widening or narrowing inequalities in total mortality remains unknown. We studied socioeconomic inequalities in smoking-attributable mortality and their contribution to inequalities in total mortality in 1990–1994 and 2000–2004 in 14 European countries. Methods We collected, harmonised and standardised population-wide data on all-cause and lung-cancer mortality by age, gender, educational and occupational level in 14 European populations in 1990–1994 and 2000–2004. Smoking-attributable mortality was indirectly estimated using the Preston-Glei-Wilmoth method. Results In 2000–2004, smoking-attributable mortality was higher in lower socioeconomic groups in all countries among men, and in all countries except Spain, Italy and Slovenia, among women, and the contribution of smoking to socioeconomic inequalities in mortality varied between 19% and 55% among men, and between −1% and 56% among women. Since 1990–1994, absolute inequalities in smoking-attributable mortality and the contribution of smoking to inequalities in total mortality have decreased in most countries among men, but increased among women. Conclusions In many European countries, smoking has become less important as a determinant of socioeconomic inequalities in mortality among men, but not among women. Inequalities in smoking remain one of the most important entry points for reducing inequalities in mortality.
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 | 0,023 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,007 | 0,003 |
| Intégrité de la recherche | 0,049 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,010 |
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 ».