An Explanatory Model of Doping Susceptibility Examining Morality in Elite Track and Field Athletes: A Logistic Regression Analysis
Notice bibliographique
Résumé
The aim of the present study was to develop an explanatory model of doping susceptibility among competitive track and field athletes using a logistic regression analysis accounting for some morality-related variables which were not explored in previous studies. A total of 281 Spanish elite track and field athletes (49.5% women, 48.4% have competed with the national team) completed an online survey measuring different constructs in relation to doping susceptibility. The final model demonstrated that nutritional supplements (OR: 2.39; CI: 1.16–4.90; p < 0.05), moral disengagement (OR: 2.17; CI: 1.48–3.19; p < 0.001), acceptance of gamesmanship (OR: 1.29; CI: 1.12–1.49; p < 0.001), and descriptive norms (OR: 1.21; CI: 1.04–1.41; p < 0.05) are the factors better explaining doping susceptibility. The profile of the athlete at risk of being more susceptible to doping is represented by someone who is aged under 20 years, believes that doping is present in his/her sport, has positive attitudes of acceptance of gamesmanship, is morally disconnected from doping, and frequently consumes nutritional supplements. It is recommended to deliver education related to the use of sports supplements and potential ill-effects of performance-enhancing substances or methods, and to engage athletes in doping prevention programs at an early age.
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 | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».