MétaCan
Menu
Retour à la cohorte
Enregistrement W4210801009 · doi:10.26522/jess.v6i.3595

Risk vs. Hazard

2021· article· en· W4210801009 sur OpenAlexvenueno aff
Philippe Crisp, Dave Bright

Notice bibliographique

RevueJournal of Emerging Sport Studies · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics and Physical Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarmAthletesOddsPsychologyConsumption (sociology)HazardPopulationFunction (biology)MedicineSocial psychologyEnvironmental healthSociologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Over the last several years, we have seen an increasing recognition that many sporting activities now present the possibility of adverse health outcomes that sit well at odds with any idea of population fitness and wellbeing. As a matter of fact, the discourse regarding the implications for a number of contact sports, in particular the costs and possible trade-offs regarding neurological function and deficit, is now prevalent in terms of the wider media and academic fields. Whilst much emerging evidence and testimonies from athletes, sports people, and their loved ones outlines the damage and consequences that are immediately or longitudinally being experienced (with corresponding lessening of quality of life, or increased mortality risks), there is still an appetite for ‘dangerous’ (i.e. combat, contact, and adventure) or ‘risky’ sports, both in terms of participation and consumption. In this commentary, because of the emerging evidence demonstrating that some sports directly lead to an accelerated development of neurodegenerative syndromes, we argue that a more robust classification system should be used to create a distinction from the largely undefined categorisation of ‘dangerous’ sports, and propose an outline for what we see as ‘hazardous’ sports to reclassify those whose very rules, remit, and objectives present an identifiable risk of harm.

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)0,021
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,074
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,021
Communication savante0,0060,012
Science ouverte0,0030,004
Intégrité de la recherche0,0110,015
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,293
Écart entre enseignants0,280 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Emerging Sport StudiesMême sujetGenetics and Physical PerformanceTravaux en français237 207