Assessing Symptoms And Concerns Characteristic Of Eating Disorders Among Non-elite Multisport Endurance Athletes
Notice bibliographique
Résumé
Stringent management of body weight is considered by many athletes to be an intrinsic component of performance. Weight management is of particular importance in elite athletes involved in multisport endurance events. However, the prevalence and magnitude of concerns about food and body weight in non-elite multisport endurance athletes is unknown. PURPOSE: To evaluate symptoms and concerns related to eating disorders among non-elite athletes involved in multisport endurance summer and winter events. METHODS: A total of 145 non-elite athletes (102 men and 43 women) were recruited from the following multisport endurance events: winter triathlon, winter pentathlon, half-Ironman and Ironman. Self-reported symptoms and concerns related to eating disorders were assessed using the validated Eating Attitude Test-26 (EAT-26) questionnaire. RESULTS: Mean age (±SD) of participants was 39.6±10.8 years while age and gender-specific ranking in the sporting events was 49.0±27.4%. The mean EAT-26 score (±SD) was 7.1±6.5 with higher values among women than men (9.4±7.9 vs. 6.2±5.5, P=0.004). The EAT-26 scores were also higher among athletes involved in the half-Ironman than among athletes competing in winter multisport events (10.1±1.1 vs. 6.0±1.0, P=0.04). When adjusted for sex, there was no correlation between percentile ranking in the sporting event and the EAT-26 score. Finally, only 8 athletes (5.5 %) scored above the EAT-26 cut-off score of 20 for eating disorders. CONCLUSIONS: Unsurprisingly, non-elite multisport endurance female athletes scored higher on the EAT-26 than non-elite male athletes. However, the prevalence of self-reported symptoms and concerns about food and body image was very low in this sample of non-elite endurance athletes. This suggests that multisport endurance environments do not significantly induce and sustain unhealthy behaviors towards foods and body image.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».