MétaCan
Menu
Retour à la cohorte
Enregistrement W4303961816 · doi:10.3390/nu14194109

Prevalence of Dietary Supplement Use among Athletes Worldwide: A Scoping Review

2022· review· en· W4303961816 sur OpenAlexaff
Jana Daher, Moriah Mallick, Dalia El Khoury

Notice bibliographique

RevueNutrients · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCINAHLPsycINFOMedicineDietary supplementAthletesMEDLINEAlternative medicineEnvironmental healthPhysical therapyFood sciencePsychological interventionBiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Athletes represent a major part of dietary supplement users. This scoping review aims to explore the prevalence of dietary supplement use among athletes worldwide, most commonly used supplements, sources of information on dietary supplements and their reasons for use of these supplements. PubMed, CINAHL, MEDLINE, and PsycInfo were searched for original research articles. Studies were included if they involved athletes, identified the prevalence of dietary supplement use, and were published after 2017. A total of 26 articles were reviewed. Prevalence of dietary supplement use varied among articles, but sex-based differences related to the types of used dietary supplements existed. Generally, the findings were consistent in terms of reasons for use and sources of information. Unfortunately, the lack of homogeneity regarding the definition of dietary supplements, definition of use, reporting timeframes, and data collection methods complicates the attempt to compare the findings among studies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,339
Écart entre enseignants0,279 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations79
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMuscle metabolism and nutritionTravaux en français237 207