Performance trade-offs and ageing in the ‘world's greatest athletes’
Notice bibliographique
Résumé
The mechanistic foundations of performance trade-offs are clear: because body size and shape constrains movement, and muscles vary in strength and fibre type, certain physical traits should act in opposition with others (e.g. sprint versus endurance). Yet performance trade-offs are rarely detected, and traits are often positively correlated. A potential resolution to this conundrum is that within -individual performance trade-offs can be masked by among -individual variation in ‘quality’. Although there is a current debate on how to unambiguously define and account for quality, no previous studies have partitioned trait correlations at the within- and among-individual levels. Here, we evaluate performance trade-offs among and within 1369 elite athletes that performed in a total of 6418 combined-events competitions (decathlon and heptathlon). Controlling for age, experience and wind conditions, we detected strong trade-offs between groups of functionally similar events (throwing versus jumping versus running) occurring at the among-individual level. We further modelled individual (co)variation in age-related plasticity of performance and found previously unseen trade-offs in throwing versus running performance that manifest through ageing. Our results verify that human performance is limited by fundamental genetic, environmental and ageing constraints that preclude the simultaneous improvement of performance in multiple dimensions. Identifying these constraints is fundamental to understanding performance trade-offs and predicting the ageing of motor function.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».