MétaCan
Menu
Retour à la cohorte
Enregistrement W2793104107 · doi:10.1123/ijsnem.2018-0009

Making Decisions About Supplement Use

2018· review· en· W2793104107 sur OpenAlexaff
Ronald J. Maughan, Susan M. Shirreffs, Alan Vernec

Notice bibliographique

RevueInternational Journal of Sport Nutrition and Exercise Metabolism · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensWorld Anti-Doping Agency
Organismes subventionnairesnon disponible
Mots-clésAthletesHarmRisk analysis (engineering)MarketingMedicineCompetition (biology)BusinessPsychologyPhysical therapySocial psychologyBiology

Résumé

récupéré en direct d'OpenAlex

The use of dietary supplements is widespread among athletes in all sports and at all levels of competition, as it is in the general population. For the athlete training at the limits of what is sustainable, or for those seeking a shortcut to achieving their aims, supplements offer the prospect of bridging the gap between success and failure. Surveys show, however, that this is often not an informed choice and that the knowledge level among consumers is often low and that they are often influenced in their decisions by individuals with an equally inadequate understanding of the issues at stake. Supplement use may do more harm than good, unless it is based on a sound analysis of the evidence. Where a deficiency of an essential nutrient has been established by appropriate investigations, supplementation can provide a rapid and effective correction of the problem. Supplements can also provide a convenient and time-efficient solution to achieving the necessary intake of key nutrients such as protein and carbohydrate. Athletes contemplating the use of supplements should consider the potential for both positive and negative outcomes. Some ergogenic supplements may be of benefit to some athletes in some specific contexts, but many are less effective than is claimed. Some may be harmful to health of performance and some may contain agents prohibited by anti-doping regulations. Athletes should make informed choices that maximize the benefits while minimizing the risks.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,006

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 GPT0,363
Écart entre enseignants0,301 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport Nutrition and Exercise MetabolismMême sujetMuscle metabolism and nutritionTravaux en français237 207