Italians Are the Fastest 3000 m Open-Water Master Swimmers in the World
Notice bibliographique
Résumé
Background: It is well known that athletes originating from a specific region or country can master specific sports disciplines (e.g., East-African runners in long-distance running). In addition, physical and athletic performance are the result of an interaction between genetic, environmental and epigenetic factors. However, little is known about on what determines sports success and performance for long-distance master swimmers such as origin. The aim of the study was to investigate the participation and performance trends of elite master open-water swimmers competing in the World Championships (WC) in 3000 m open-water swimming between 1986 and 2019. Methods: A total of 9247 valid participants were analyzed using generalized linear models (GLMs) with a gamma probability distribution and log link function. Resultsː Most of the starters were from Italy (1646 participations), followed by the United States of America (USA) (1128 participations) and Germany (959 participations). Swimmers from Italy were significantly faster than swimmers from Canada, Germany, USA, Great Britain and also from all other countries grouped (p < 0.005). The age group from 35–39 years old was significantly faster than athletes from age groups of 25–29 years old, 30–34 years old, 40–44 years old, 45–49 years old and 50–54 years old (p < 0.005). The percentage of local athletes in WC was 36% and varied from 36% (Italy, 2004) to 43 % (Germany), 53% (Italy, 2012) and up to 68 % (USA, 1992). Conclusions: Swimmers from Italy were the faster and the most numerous starters during this period of 27 years and 15 editions all over the world in 3000 m master open-water swimming.
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 | 0,001 |
| 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 | 0,001 | 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 | 0,002 |
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 ».