MétaCan
Menu
Retour à la cohorte
Enregistrement W2999622054 · doi:10.1136/bjsports-2019-101926

#REDS (Relative Energy Deficiency in Sport): time for a revolution in sports culture and systems to improve athlete health and performance

2020· editorial· en· W2999622054 sur OpenAlexaff
Kathryn E. Ackerman, Trent Stellingwerff, Kirsty J. Elliott‐Sale, Amy Baltzell, Mary Spencer Cain, Kara Goucher, Lauren Fleshman, Margo Mountjoy

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2020
Typeeditorial
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster UniversityCanadian Sport Centre PacificUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCoachingAthletesSubconsciousPsychologyEnergy (signal processing)MedicineApplied psychologySocial psychologyPhysical therapyAlternative medicinePsychotherapist

Résumé

récupéré en direct d'OpenAlex

Changing a sport system requires the appointment of new leaders or a grass roots cultural revolution. ‘I got caught in a system designed by and for men, which destroys the bodies of young girls,’ said Mary Cain as she cast light on her toxic coach/athlete relationship and exposed unhealthy coaching and nutrition practices. Her candour has inspired a social media movement calling for changes to women’s sport.1 In the following days, major news publications followed up with similar reports of athletic women being body shamed.2–4 It is time for a drastic paradigm change in women’s sport, coupled with education at all levels to improve the long-term health and athletic achievement of female athletes. The shift needs to include: 1. Raising awareness of the negative effects of chronic low energy availability (LEA) (calorie restriction) so athletes can make wise choices for their own long-term health. 2. Updating and developing best-practice protocols and safe standards for monitoring body composition/weight. 3. Eliminating toxic training environments featuring abusive body shaming. Overexercising or underfueling, occurring consciously or subconsciously, can cause Relative …

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)0,012
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,005
Science ouverte0,0030,001
Intégrité de la recherche0,0140,021
Charge utile insuffisante (le modèle a refusé de juger)0,0180,018

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 Opus0,004
Tête enseignante GPT0,225
Écart entre enseignants0,221 · 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
GenreÉditorial

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

En bref

Citations94
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetMuscle metabolism and nutritionTravaux en français237 207