Long-Term Within- and Between-Subject Biological Variation Data of Hematological Parameters in Recreational Endurance Athletes
Notice bibliographique
Résumé
BACKGROUND: Hematological parameters have many applications in athletes, from monitoring health to uncovering blood doping. This study aimed to deliver biological variation (BV) estimates for 9 hematological parameters by a Biological Variation Data Critical Appraisal Checklist (BIVAC) design in a population of recreational endurance athletes and to assess the effect of self-reported exercise and health-related variables on BV. METHODS: Samples were drawn from 30 triathletes monthly for 11 months and measured in duplicate for hematological measurands on an Advia 2120 analyzer (Siemens Healthineers). After outlier and homogeneity analysis, within-subject (CVI) and between-subject (CVG) BV estimates were delivered (CV-ANOVA and log-ANOVA, respectively) and a linear mixed model was applied to analyze the effect of exercise and other related variables on the BV estimates. RESULTS: CVI estimates ranged from 1.3% (95%CI, 1.2-1.4) for mean corpuscular volume to 23.8% (95%CI, 21.6-26.3) for reticulocytes. Sex differences were observed for platelets and OFF-score. The CVI estimates were higher than those reported for the general population based on meta-analysis of eligible studies in the European Biological Variation Database, but 95%CI overlapped, except for reticulocytes, 23.9% (95%CI, 21.6-26.5) and 9.7% (95%CI, 6.4-11.0), respectively. Factors related to exercise and athletes' state of health did not appear to influence the BV estimates. CONCLUSIONS: This is the first BIVAC-compliant study delivering BV estimates that can be applied to athlete populations performing high-level aerobic exercise. CVI estimates of most parameters were similar to the general population and were not influenced by exercise or athletes' state of health.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».