MétaCan
Menu
Retour à la cohorte
Enregistrement W4313655860 · doi:10.1002/ajhb.23862

Sex segregation in strength sports: Do equal‐sized muscles express the same levels of strength between sexes?

2023· article· en· W4313655860 sur OpenAlexaff
Ryo Kataoka, Robert W. Spitz, Vickie Wong, Zachary W. Bell, Yujiro Yamada, Jun Song, William B. Hammert, Scott J. Dankel, Takashi Abe, Jeremy P. Loenneke

Notice bibliographique

RevueAmerican Journal of Human Biology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésIsometric exerciseIsotonicMuscle strengthLean body massMuscle massDemographyBody weightBiologyPhysical therapyMedicinePhysical medicine and rehabilitationEndocrinology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Concerns have been raised against the current two-sex binary category in sports competitions. The thesis states that if males and females were separated based on muscle size, it would negate the strength advantage between the sexes. We tested the possible sex differences in various strength outcomes when pair-matched for muscle thickness. METHODS: A total of 16 different data sets (n = 963) were assessed to pair-match females with males who had a muscle thickness value within 2%. We further compared the competition performances of the smallest male weight class within the International Powerlifting Federation (IPF) to different weight classes in females. RESULTS: Overall, 76%-88% of the strength assessments were greater in males than females with pair-matched muscle thickness, regardless of contraction types (i.e., isotonic, isometric, isokinetic). Additionally, males in the lightest weight division in the IPF largely outperformed females in heavier weight divisions. CONCLUSIONS: Our results would suggest that segregation based on muscle mass or surrogates of muscle mass (e.g., lean body mass) might not be an appropriate classification to create fair competition within strength sports. This is not to refute the concept of the desegregation of the two-sex binary category but to present data that raises important concerns about the potential sex-based differences in strength performance.

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)0,001
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 enseignants0,170
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,339
Écart entre enseignants0,292 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Human BiologyMême sujetSports Performance and TrainingTravaux en français237 207