MétaCan
Menu
Retour à la cohorte
Enregistrement W2415738879 · doi:10.1177/1715163515607309

Improving pharmaceutical care for athletes

2015· article· en· W2415738879 sur OpenAlexaffvenue
Amy D. Morris

Notice bibliographique

RevueCanadian Pharmacists Journal / Revue des Pharmaciens du Canada · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAthletesPharmaceutical careMedicinePhysical therapyPharmacyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Pharmacists often overlook athletes as patients who might benefit from trusted pharmaceutical advice.Many athletes are strongly motivated to seek techniques or substances to optimize performance.Any strategy to increase performance, from anabolic steroids to visualization techniques, can be referred to as an ergogenic aid. 1,2Most pertinent to pharmacists are the regulated pharmaceutical ergogenic aids, such as natural health products (NHPs) or supplements. 1A recent survey of college athletes indicated that 42% had used supplements within the previous year. 2With high use, pharmaceutical support is required.Ample misinformation surrounds NHPs and supplements.Product marketing overemphasizes the benefits and minimizes the shortcomings.However, athletes continue to financially fuel the industry, hoping that marketing claims are factual.When selecting supplements, athletes often place high value on testimonial evidence.As pharmacists-grounded in evidence-an opportunity exists to improve care.As Peter J. Ambrose, Doping Control Officer of the Sydney and Beijing Olympics, states, "Pharmacists are primed to recommend products supported by efficacy and safety data while considering an athlete's specific needs." 3 Accompanying this opportunity is notable demand from athletes.In the United States, one study showed that over 1000 drug or NHP inquiries were made to the National Collegiate Athletic Association each month between July 2009 and June 2010.

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)0,007
score de la tête « metaresearch » (Gemma)0,051
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,002
Communication savante0,0050,003
Science ouverte0,0010,006
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0380,006

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 Opus0,076
Tête enseignante GPT0,319
Écart entre enseignants0,243 · 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
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

Citations3
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Pharmacists Journal / Revue des Pharmaciens du CanadaMême sujetHormonal and reproductive studiesTravaux en français237 207