From Athens to Sparta—37 Years of Spartathlon
Notice bibliographique
Résumé
(1) Background: Recent studies analyzed the participation and performance trends of historic races such as the oldest ultra-marathon (Comrades) or the oldest 100-km ultra-marathon (Biel). One of the toughest and historic ultra-marathons in the world is the ‘Spartathlon’ (246-km ultra-marathon from Athens to Sparta). The present study aimed to analyze the trends in participation and performance of this race. (2) Methods: Different general linear models were applied as follows: the first model was a two-way ANOVA (Decade × Sex), with separate models for all participants and for only the top five finishers in each race; the second model was a two-way ANOVA (Age Group × Sex); the third model was a two-way ANOVA (Nationality × Sex). (3) Results: Between 1982 and 2019, 3504 ultra-marathoners (3097 men and 407 women) officially finished the Spartathlon at least once. Athletes from Japan were the majority with 737 participants, followed by far by runners from Germany (n = 393), Greece (n = 326), and France (n = 274). The nations with the highest numbers of athletes amongst the top five performers were Japan (n = 71), followed by Germany (n = 59), and Great Britain (n = 31). Runners from the USA were the fastest in men, and runners from Great Britain were the fastest in women. Female and male runners improved performance across the decades. The annual five fastest women and men improved their performance over time. Runners achieved their best performance earlier in life (20–29 and 30–39 years) than female runners (30–39 and 40–49 years). Runners in age group 30–39 years were the fastest for all nationalities, except for Greece. (4) Conclusions: Successful finishers in the Spartathlon improved performance in the last four decades and male runners achieved their best performance ~10 years earlier in life than female 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».