Incidence of Iron Deficiency and Iron Deficient Anemia in Elite Runners and Triathletes
Notice bibliographique
Résumé
OBJECTIVE: To assess the incidence of iron deficiency (ID), and iron deficient anemia (IDA) within a cohort of highly trained runners and triathletes, and to examine the association of oral iron supplementation history with serum ferritin (sFe) and hemoglobin (Hb) concentrations. METHODS: A retrospective analysis of routine blood test data taken from 2009 to 2015 from (n = 38) elite level runners and triathletes between the ages of 21 to 36 years. Oral iron supplement intake was assessed through a questionnaire. RESULTS: Triathletes (female, FT; male, MT) and runners (female, FR; male, MR) had higher incidence of at least 1 episode of ID (FT 60.0%, MT 37.5%, FR 55.6%, MR 31.3%) compared with values reported in the literature for endurance athletes (20%-50% females, 0%-17% males). Male triathletes and runners had a higher incidence of IDA than their female teammates (25% MT, 20% FT, 6.3% for MR, 0% FR), a finding which has previously not been reported. Hemoglobin concentrations were low, with incidence of Hb <140 g/L in men occurring at least once in 87.5% of triathletes, and 31.3% of runners, and Hb <120 g/L in women occurring at least once in 20% of triathletes, but 0% of runners. Although the athletes were appropriately treated with oral iron (mean 94 ± 115 mg/d), there was no observed correlation between iron intake and sFe or Hb. CONCLUSIONS: Even with monitoring and treatment in place, ID and IDA are significant concerns for the health and performance of elite runners and triathletes, and this issue affects males and females.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».