World Single Age Records in Running From 5 km to Marathon
Notice bibliographique
Résumé
This study investigated the relationship between race times and age, in 1-year intervals, by using the world single age records, from 5 km to marathon running (i.e. 5 km, 4 miles, 8 km, 10 km, 12 km, 15 km, 10 miles, 20 km, half-marathon, 25 km, 30 km, and marathon). For each race, a regression model was fitted. Effects of sex, alone and in interaction with age, and the effect of country of origin on performance were examined in a multi-variable model. The relationship between age and race time was modelled through a 4th order-polynomial function. Women achieved their best half-marathon and marathon race time, respectively, one year and three years earlier in life than men. On the contrary, in the other races, the best women performances were achieved later in life than men (i.e. 4 miles and 30 km: 2 years later, 8km: 3 years later, 15-20-25 km: 1 year later, 10 miles : 4 years) or at the same age (i.e. 5 km, 10 km, 12 km). Moreover, age of peak performance did not change monotonically with the distance of race. For all races, except 12 km, sex differences had an absolute maximum at old ages and a relative maximum near the age of peak performance. From 8 km onward, estimated sex differences were increasing with increasing race distance. Regarding country, runners from Canada were slower than runners from the United States of America in 5 km by 00:10:05 h:min:s (p<0.001) and in half-marathon by 00:18:43 h:min:s (p<0.01). On the contrary, in marathon, they were 00:18:43 h:min faster (p<0.05). Moreover, in 10 miles, runners from Great Britain were 00:02:53 h:min:s faster (p<0.05) than runners from the United States of America. In summary, differences seem to exist in the age of peak performance between women and men and for nearly all distances sex differences showed an absolute maximum at old ages and relative maximum near the age of peak performance. Thus, these findings highlight the need for sex-specific training programs, especially near the age of peak performance and for elder runners.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».