The Global Epidemiology of Anabolic Steroid Use.
Notice bibliographique
Résumé
INTRODUCTION: The worldwide prevalence of anabolic-androgenic steroid (AAS) use is poorly documented, and geographical distribution of studies concerning AAS use is mostly limited to the USA, Canada, Brazil and some European countries. In addition, no quantitative meta-analysis has been conducted on the global prevalence rate of AAS use. METHODS: We performed the first ever meta-analysis and meta-regression analysis of AAS use using studies gathered from searches in PsycINFO, PubMed, ISI Web of Science, Google Scholar among others. Included were 187 studies that provided original data on 271 lifetime prevalence rates. Studies were coded for publication year, region, sample type, age range, sample size, assessment method, and sampling method. Heterogeneity was assessed by the I 2 index and the Q –statistic. Random effect-size modeling was used. Subgroup comparisons were conducted using Bonferroni correction. RESULTS: The global lifetime prevalence rate obtained was 3.3% (95 CI, 2.8–3.8, I 2 = 99.7, P < 0.001]. The prevalence rate for males, 6.4% (95% CI, 5.3–7.7, I 2 = 99.2, P < 0.001), was significantly higher ( Q bet = 100.1, P < 0.001) than the rate for females, 1.6% (95% CI, 1.3–1.9, I 2 = 96.8, P < 0.001). Sample type (athletes), assessment method (interviews only and interviews and questionnaires), sampling method, and male sample percentage were significant predictors of AAS use prevalence. There was no indication of publication bias.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».