Evaluation of COVID-19 Restrictions on Distance Runners' Training Habits Using Wearable Trackers
Notice bibliographique
Résumé
The COVID-19 pandemic caused widespread disruption to many individuals' lifestyles. Social distancing restrictions implemented during this global pandemic may bring potential impact on physical activity habits of the general population. However, running is one of the most popular forms of physical activity worldwide and one in which it could be maintained even during most COVID-19 restrictions. We aimed to determine the impact of COVID-19 restrictions on runners' training habits through analyzing the training records obtained from their GPS enabled wearable trackers. Retrospective and prospective data were collected from an online database ( https://wetrac.ucalgary.ca ). Runners' training habits, including frequency, intensity and duration of training, weekly mileage and running locations were analyzed and compared 9 months before and after the start of COVID-19 restrictions in March 2020. We found that runners ran 3 km per week more (p = 0.05, Cohen's d = 0.12) after the start of COVID-19 restrictions, and added 0.3 training sessions per week (p = 0.03, Cohen's d = 0.14). Moreover, runners ran an additional 0.4 sessions outdoors (p < 0.01, Cohen's d = 0.21) but there was no significant change in the intensity or duration of training sessions. Our findings suggested that runners adopted slightly different training regimen as a result of COVID-19 restrictions. Our results described the collective changes, irrespective of differences in response measures adopted by various countries or cities during the COVID-19 pandemic.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».