MétaCan
Menu
Retour à la cohorte
Enregistrement W2174835294 · doi:10.1111/sms.12573

The Kenyan runners

2015· review· en· W2174835294 sur OpenAlexaff
Henrik Larsen, A. William Sheel

Notice bibliographique

RevueScandinavian Journal of Medicine and Science in Sports · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKenyaVO2 maxRunning economyMedicineElitePhysical therapyCardiologyInternal medicineBiologyHeart rateEcologyBlood pressure

Résumé

récupéré en direct d'OpenAlex

Today the Kenyan dominance in middle- and long-distance running is so profound that it has no equivalence to any other sport in the world. Critical physiological factors for performance in running include maximal oxygen consumption (VO2max), fractional VO2max utilization and running economy (energetic cost of running). Kenyan and non-Kenyan elite runners seem to be able to reach very high, but similar maximal oxygen uptake levels just as there is some indication that untrained Kenyans and non-Kenyans have a similar VO2max. In addition, the fractional utilization of VO2max seems to be very high but similar in Kenyan and European runners. Similarly, no differences in the proportion of slow muscle fibers have been observed when comparing Kenyan elite runners with their Caucasian counterparts. In contrast, the oxygen cost of running at a given running velocity has been found to be lower in Kenyan elite runners relative to other elite runners and there is some indication that this is due to differences in body dimensions. Pulmonary system limitations have been observed in Kenyan runners in the form of exercise-induced arterial hypoxemia, expiratory flow limitation, and high levels of respiratory muscle work. It appears that Kenyan runners do not possess a pulmonary system that confers a physiological advantage. Additional studies on truly elite Kenyan runners are necessary to understand the underlying physiology which permits extraordinary running performances.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,087
Tête enseignante GPT0,400
Écart entre enseignants0,314 · 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

Citations51
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Medicine and Science in SportsMême sujetSports Performance and TrainingTravaux en français237 207