Similarities and differences in anthropometry and training between recreational male 100-km ultra-marathoners and marathoners
Notice bibliographique
Résumé
Several recent investigations showed that the best marathon time of an individual athlete is also a strong predictor variable for the race time in a 100-km ultra-marathon. We investigated similarities and differences in anthropometry and training characteristics between 166 100-km ultra-marathoners and 126 marathoners in recreational male athletes. The association of anthropometric variables and training characteristics with race time was assessed by using bi- and multi-variate analysis. Regarding anthropometry, the marathoners had a significantly lower calf circumference (P < 0.05) and a significantly thicker skinfold at pectoral (P < 0.01), axilla (P < 0.05), and suprailiacal sites (P < 0.05) compared to the ultra-marathoners. Considering training characteristics, the marathoners completed significantly fewer hours (P < 0.001) and significantly fewer kilometres (P < 0.001) during the week, but they were running significantly faster during training (P < 0.001). The multi-variate analysis showed that age (P < 0.0001), body mass (P = 0.011), and percent body fat (P = 0.019) were positively and weekly running kilometres (P < 0.0001) were negatively related to 100-km race times in the ultra-marathoners. In the marathoners, percent body fat (P = 0.002) was positively and speed in running training (P < 0.0001) was negatively associated with marathon race times. In conclusion, these data suggest that performance in both marathoners and 100-km ultra-marathoners is inversely related to body fat. Moreover, marathoners rely more on speed in running during training whereas ultra-marathoners rely on volume in running training.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».