MétaCan
Menu
Retour à la cohorte
Enregistrement W2171639805 · doi:10.1111/j.1745-7262.2008.00402.x

Hormone abuse in sports: the antidoping perspective

2008· review· en· W2171639805 sur OpenAlexafffund
Osquel Barroso, Irene Mazzoni, Olivier Rabin

Notice bibliographique

RevueAsian Journal of Andrology · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensWorld Anti-Doping Agency
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésAthletesAnabolic-Androgenic SteroidsGrowth hormoneHormoneMedicinePharmacologyAnabolismEndocrinologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Since ancient times, unethical athletes have attempted to gain an unfair competitive advantage through the use of doping substances. A list of doping substances and methods banned in sports is published yearly by the World Anti-Doping Agency (WADA). A substance or method might be included in the List if it fulfills at least two of the following criteria: enhances sports performance; represents a risk to the athlete's health; or violates the spirit of sports. This list, constantly updated to reflect new developments in the pharmaceutical industry as well as doping trends, enumerates the drug types and methods prohibited in and out of competition. Among the substances included are steroidal and peptide hormones and their modulators, stimulants, glucocorticosteroids, beta2-agonists, diuretics and masking agents, narcotics, and cannabinoids. Blood doping, tampering, infusions, and gene doping are examples of prohibited methods indicated on the List. From all these, hormones constitute by far the highest number of adverse analytical findings reported by antidoping laboratories. Although to date most are due to anabolic steroids, the advent of molecular biology techniques has made recombinant peptide hormones readily available. These substances are gradually changing the landscape of doping trends. Peptide hormones like erythropoietin (EPO), human growth hormone (hGH), insulin, and insulin-like growth factor I (IGF-I) are presumed to be widely abused for performance enhancement. Furthermore, as there is a paucity of techniques suitable for their detection, peptide hormones are all the more attractive to dishonest athletes. This article will overview the use of hormones as doping substances in sports, focusing mainly on peptide hormones as they represent a pressing challenge to the current fight against doping. Hormones and hormones modulators being developed by the pharmaceutical industry, which could emerge as new doping substances, are also discussed.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,006
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,033
Tête enseignante GPT0,336
Écart entre enseignants0,302 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations58
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAsian Journal of AndrologyMême sujetHormonal and reproductive studiesTravaux en français237 207