MétaCan
Menu
Retour à la cohorte
Enregistrement W2770510870 · doi:10.3390/nu9111266

Evaluation of Dietary Intakes and Supplement Use in Paralympic Athletes

2017· article· en· W2770510870 sur OpenAlexafffund
Robyn F. Madden, Jane Shearer, Jill A. Parnell

Notice bibliographique

RevueNutrients · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMount Royal UniversityUniversity of Calgary
Organismes subventionnairesMount Royal University
Mots-clésAthletesDietary Reference IntakeMicronutrientReference Daily IntakePantothenic acidMedicineVitaminEnvironmental healthPhysical therapyNutrientBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Dietary intakes and supplement use in Paralympic athletes remains largely unexplored, and specialized recommendations are lacking. The aim of this study was to evaluate nutrient intakes and supplement use in high-performance athletes with physical disabilities using three-day food records and a validated dietary supplement use questionnaire. A secondary aim examined gender differences in nutrient and supplement intakes. Male (n = 18) and female (n = 22) athletes were recruited from nine Paralympic sports through sporting organizations, coaches, and social media. Athletes generally met able-bodied recommendations for macronutrients. Male and female athletes often failed to meet the Recommended Dietary Allowance (RDA) or Adequate Intake (AI) for vitamin D, vitamin E, pantothenic acid, magnesium, and potassium. On average, females did not meet the RDA for iron and calcium, whereas males did not meet the RDA for vitamin A and folate. Commonly consumed supplements were vitamin D, protein powder, sport bars, and sport drinks. Analysis of diet and supplement use within this population shows several micronutrient deficiencies and irregular use of specific supplements. Athlete support and education is required to optimize nutrition in Paralympic athletes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,321
Écart entre enseignants0,259 · 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'étudeObservationnel
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

Citations50
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMuscle metabolism and nutritionTravaux en français237 207