Iron monitoring of male and female rugby sevens players over an international season
Notice bibliographique
Résumé
BACKGROUND: Given the likely influence that high training loads, contact-induced hemolysis and female-specific requirements have on the incidence of iron deficiency, characterizing the direction and magnitude of fluctuations in iron status over an international season is important for managing player health and physical performance in rugby sevens. METHODS: Australian national male (N.=27) and female (N.=23) rugby sevens players undertook blood tests at pre-season, mid-season, and end-season. Hemoglobin (Hb), hematocrit (Hct), ferritin, transferrin and transferrin saturation were quantified. Female athletes also reported oral contraceptive use and a subset (N.=7) provided 7-day food diaries to quantify iron intake. RESULTS: Male players typically had a three-fold higher ferritin concentration than females. Pre-season ferritin concentrations in male (151±66 µg/L) and female (51±24 µg/L) players declined substantially (~20%) by mid-season but recovered by end-season. Over the season 23% of female players were classified as iron deficient (ferritin <30 µg/L) and prescribed supplementation. The greatest incidence of iron deficiency in female players occurred mid-season (30%). Oral contraception and dietary iron intake had an unclear influence on female players' ferritin concentration, while age was largely positively correlated (r=0.66±~0.33). CONCLUSIONS: Given the relatively low ferritin concentrations evident in female rugby sevens players, and the potential for a further decline midway through a season when physical load may be at its highest, 6-monthly hematological reviews are suggested in combination with dietary management. Annual screening may be beneficial for male players, with further monitoring only when clinically indicated.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».