Frequency and type of adverse analytical findings in athletics: Differences among disciplines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Athletics is a highly diverse sport that contains a set of disciplines grouped into jumps, throws, races of varying distances, and combined events. From a physiological standpoint, the physical capabilities linked to success are quite different among disciplines, with varying involvements of muscle strength, muscle power, and endurance. Thus, the use of banned substances in athletics might be dictated by physical dimensions of each discipline. Thus, the aim of this investigation was to analyse the number and distribution of adverse analytical findings per drug class in athletic disciplines. The data included in this investigation were gathered from the Anti-Doping Testing Figure Report made available by the World Anti-Doping Agency (from 2016 to 2018). Interestingly, there were no differences in the frequency of adverse findings (overall,~0.95%, range from 0.77 to 1.70%) among disciplines despite long distance runners having the highest number of samples analysed per year (~9812 samples/year). Sprinters and throwers presented abnormally high proportions of adverse analytical findings within the group of anabolic agents (p < 0.01); middle- and long-distance runners presented atypically high proportions of findings related to peptide hormones and growth factors (p < 0.01); racewalkers presented atypically high proportions of banned diuretics and masking agents (p = 0.05). These results suggest that the proportion of athletes that are using banned substances is similar among the different disciplines of athletics. However, there are substantial differences in the class of drugs more commonly used in each discipline. This information can be used to effectively enhance anti-doping testing protocols in athletics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle