MétaCan
Menu
Retour à la cohorte
Enregistrement W2148645874 · doi:10.1123/ijsnem.2014-0009

Prediction Profiles for Nutritional Supplement Use Among Young German Elite Athletes

2014· article· en· W2148645874 sur OpenAlexfundno aff
Pavel Dietz, Rolf Ulrich, Andreas M. Nieß, Raymond Best, Perikles Simon, Heiko Striegel

Notice bibliographique

RevueInternational Journal of Sport Nutrition and Exercise Metabolism · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésAthletesMedicineLogistic regressionElite athletesIllicit drugConsumption (sociology)DemographyEnvironmental healthPhysical therapyDrugInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Nutritional supplements (NS) are defined as concentrated sources of nutrients and other substances that have a nutritional or physiological effect and that are used in high frequency among athletes. The study aimed to create a prediction profile for young elite athletes to identify those athletes who have a higher relative risk for using NS. The second objective was to examine the hypothesis that the consumption of NS paves a gateway for the use of illicit drugs and doping substances. A self-designed anonymous paper-and-pencil questionnaire was used to examine the prevalence of NS consumption, doping, and illicit drug use in elite athletes with a mean age of 17 years (SD = 4 years). Logistic regression analysis was employed to assess whether NS consumption can be predicted by independent variables (e.g., biographical data, training characteristics, drug consumption behavior) to create the prediction profile for NS use. 55% and 5% of the athletes (n = 536) responded positively to having used NS and illicit drugs, respectively. Nutritional supplement consumption was positively correlated with age (OR: 1.92; CI: 1.21 to 3.05), the desire to enhance performance to become an Olympic or World Champion (OR: 3.72; CI: 2.33 to 6.01), and being educated about NS (OR: 2.76; CI: 1.73 to 4.45). It was negatively correlated with training frequency (OR: 0.55; CI: 0.35 to 0.86) and the use of nicotine (OR: 0.29; CI: 0.1 to 0.74) but did not correlate with illicit drug use and alcohol consumption. The present results show that NS are used on a large scale in elite sports. The prediction profile presented in this article may help to identify those athletes who have a high risk for using NS to plan potential education and prevention models more individually.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,256
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport Nutrition and Exercise MetabolismMême sujetMuscle metabolism and nutritionTravaux en français237 207