MétaCan
Menu
Retour à la cohorte
Enregistrement W2972072336 · doi:10.21091/mppa.2019.3021

Sleep and Fatigue of Elite Circus Student-Artists During One Year of Training

2019· article· en· W2972072336 sur OpenAlexaff
Adam Decker, Patrice Aubertin, Dean Kriellaars

Notice bibliographique

RevueMedical Problems of Performing Artists · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMusicians’ Health and Performance
Établissements canadiensNational Circus School
Organismes subventionnairesnon disponible
Mots-clésPerceived exertionPhysical therapyAthletesPsychologySleep qualitySleep onset latencySleep (system call)Rating of perceived exertionElite athletesEliteMental fatigueMedicinePhysical medicine and rehabilitationInsomniaApplied psychologyPsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

AIMS: The development of elite circus artists requires extensive technical and artistic training, as well as a commensurate level of physical preparation in readiness for a demanding professional career as a performance artist. While sport research has identified the importance of monitoring sleep and fatigue in athletes to optimize performance and to prevent illness and injury, not a single study of circus artists exists. This study provides a longitudinal examination of sleep and fatigue in elite circus student-artists. METHODS: 92 student-artists (60 male, 32 female) were analyzed at 4 strategic time points over a preparatory year. At each time point, sleep parameters (duration, quality and latency), ratings of perceived exertion (RPE), wakefulness, and fatigue were obtained using questionnaires. RESULTS: Student-artists attained an average nightly sleep of 8 hours, 27 minutes, exceeding the recommended durations for general populations and those self-reported in athletes. The majority of the artists also indicated acceptable sleep latency (87%) and quality (83%) scores. Sleep parameters remained consistent throughout the year despite significant variations in training load and fatigue. Sleep parameters were not substantial predictors of overall fatigue. Fatigue covaried with yearly variation in sessional training loads. CONCLUSIONS: Although improvement in sleep could be postulated as a means to mitigate fatigue, it is likely that strategies aimed at optimizing the loading profile and additional recovery techniques be a first line approach.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,032
Tête enseignante GPT0,302
Écart entre enseignants0,270 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Problems of Performing ArtistsMême sujetMusicians’ Health and PerformanceTravaux en français237 207