MétaCan
Menu
Retour à la cohorte
Enregistrement W4283731783 · doi:10.1055/a-1854-0052

Lean Mass, Muscle Strength, and Muscle Quality in Retired Rugby Players: The UK Rugby Health Project

2022· article· en· W4283731783 sur OpenAlexaff
Ian Entwistle, Peter Francis, Matthew Lees, Patria Hume, Karen Hind

Notice bibliographique

RevueInternational Journal of Sports Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesAuckland University of Technology, New Zealand
Mots-clésLean body massSarcopeniaMuscle massAthletesPhysical therapyAmateurGrip strengthMedicineFootballBody weightInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Although athletes from sports such as rugby have greater lean mass and strength during their playing careers, little is known about these characteristics post-retirement. Therefore, this study investigated lean mass, strength, and muscle quality in retired elite and amateur rugby players and non-contact athletes. Retired elite male rugby players (n=42, 43.9±10.3 y; 101.1±13.4 kg; 1.82±0.09 m), amateur rugby players (n=46, 48.0±10.5 y; 98.9±16.6 kg; 1.79±0.07 m) and non-contact athletes (n=30, 51.3±12.5 y; 91.3±13.4 kg; 1.79±0.07 m) received one total body dual-energy X-ray absorptiometry assessment of appendicular lean mass (ALM) and ALM index (ALMI). Grip strength was measured, and muscle quality (grip strength/unit of arm lean mass) was calculated. Sarcopenia was identified as ALMI<7.23 kg/m2 and handgrip strength<37.2 kg. Total lean mass, ALM and grip strength were greater in the elite rugby compared to amateur rugby and non-contact groups (p<0.01). There were no significant differences in muscle quality or sarcopenia prevalence. Retired elite rugby players had greater lean mass and grip strength than amateur rugby and non-contact athletes, although muscle quality was similar. The greater lean mass and strength might reflect genetic influences or previous participation in a highly physical sport.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,528
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,365
Écart entre enseignants0,316 · 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 tête enseignante, 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports MedicineMême sujetBody Composition Measurement TechniquesTravaux en français237 207