Prevalence of caffeine use in elite athletes following its removal from the World Anti-Doping Agency list of banned substances
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
The aim of this investigation was to determine the use of caffeine by athletes after its removal from the World Anti-Doping Agency list. For this purpose, we measured the caffeine concentration in 20 686 urine samples obtained for doping control from 2004 to 2008. We utilized only urine samples obtained after official national and international competitions. Urine caffeine concentration was determined using alkaline extraction followed by gas chromatography-mass spectrometry. The limit of detection (LOD) was set at 0.1 µg·mL(-1). The percentage of urine samples below the LOD was 26.2%; the remaining 73.8% of the urine samples contained caffeine. Most urine samples (67.3%) had urinary caffeine concentrations below 5 µg·mL(-1). Only 0.6% of urine samples exceeded the former threshold for caffeine doping (12 µg·mL(-1)). Triathlon (3.3 ± 2.2 µg·mL(-1)), cycling (2.6 ± 2.0 µg·mL(-1)), and rowing (1.9 ± 1.4 µg·mL(-1)) were the sports with the highest levels of urine caffeine concentration; gymnastics was the sport with the lowest urine caffeine concentration (0.5 ± 0.4 µg·mL(-1)). Older competitors (>30 y) had higher levels of caffeine in their urine than younger competitors (<20 y; p < 0.05); there were no differences between males and females. In conclusion, 3 out of 4 athletes had consumed caffeine before or during sports competition. Nevertheless, only a small proportion of these competitors (0.6%) had a urine caffeine concentration higher than 12 µg·mL(-1). Endurance sports were the disciplines showing the highest urine caffeine excretion after competition.
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) | 0,000 | 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 découle