MétaCan
Menu
Retour à la cohorte
Enregistrement W3173754625 · doi:10.3389/fphys.2021.631237

Increased Participation and Decreased Performance in Recreational Master Athletes in “Berlin Marathon” 1974–2019

2021· article· en· W3173754625 sur OpenAlexaff
Marlen Reusser, Caio Victor Sousa, Elias Villiger, José Ramón Alvero Cruz, Lee Hill, Thomas Rosemann, Pantelis Τ. Nikolaidis, Beat Knechtle

Notice bibliographique

RevueFrontiers in Physiology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAthletesRecreationGerontologyDemographyMedicinePsychologyPhysical therapyPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

The aspect of participation and performance trends in marathon running has been investigated mainly in marathons held in the United States of America (e.g., "New York City Marathon," "Boston Marathon"), but not for the fastest course in the world, the "Berlin Marathon" held in Berlin, Germany. This study aimed to examine trends in participation and performance in the "Berlin Marathon" on all its previous 46 editions from 1974 to 2019, the largest dataset ever studied in this event with 696,225 finishers (after data cleaning). Athletes in all age groups increased their participation, except for male athletes aged 20-49 years and athletes of both sexes above 79 years of age. This overall increase in participation was more pronounced in women, but still, there are more men than women participating in "Berlin Marathon" nowadays. All age group athletes decreased their performance across years overall, whereas the top ten recreational athletes improved their performance over the years. Our findings improved the knowledge about the evolution of male and female marathoners across calendar years, especially for the fastest marathon race in the world, the "Berlin Marathon."

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)0,001
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 enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,241 · 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

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetSports Performance and TrainingTravaux en français237 207