Primary, secondary and tertiary prevention of Relative Energy Deficiency in Sport (REDs): a narrative review by a subgroup of the IOC consensus on REDs
Notice bibliographique
Résumé
Relative Energy Deficiency in Sport (REDs) is common among female and male athletes representing various sports at different performance levels, and the underlying cause is problematic low energy availability (LEA). It is essential to prevent problematic LEA to decrease the risk of serious health and performance consequences. This narrative review addresses REDs primary, secondary and tertiary prevention strategies and recommends best practice prevention guidelines targeting the athlete health and performance team, athlete entourage (eg, coaches, parents, managers) and sport organisations. Primary prevention of REDs seeks to minimise exposure to and reduce behaviours associated with problematic LEA. Some of the important strategies are educational initiatives and de-emphasising body weight and leanness, particularly in young and subelite athletes. Secondary prevention encourages the early identification and management of REDs signs or symptoms to facilitate early treatment to prevent development of more serious REDs outcomes. Recommended strategies for identifying athletes at risk are self-reported screening instruments, individual health interviews and/or objective assessment of REDs markers. Tertiary prevention (clinical treatment) seeks to limit short-term and long-term severe health consequences of REDs. The cornerstone of tertiary prevention is identifying the source of and treating problematic LEA. Best practice guidelines to prevent REDs and related consequences include a multipronged approach targeting the athlete health and performance team, the athlete entourage and sport organisations, who all need to ensure a supportive and safe sporting environment, have sufficient REDs knowledge and remain observant for the early signs and symptoms of REDs.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».