Best practice recommendations for body composition considerations in sport to reduce health and performance risks: a critical review, original survey and expert opinion by a subgroup of the IOC consensus on Relative Energy Deficiency in Sport (REDs)
Notice bibliographique
Résumé
BACKGROUND: The assessment of body composition (BC) in sport raises concern for athlete health, especially where an overfocus on being lighter or leaner increases the risk of Relative Energy Deficiency in Sport (REDs) and disordered eating. METHODS: We undertook a critical review of the effect of BC on performance (29 longitudinal, prospective or intervention studies) and explored current practice related to BC considerations via a follow-up to a 2013 internationally distributed survey. RESULTS: The review found that a higher level of body fat was negatively associated with endurance performance, while a gain in muscle mass resulted in performance benefits across sports. BC did not contribute to early talent identification, and no unique cut-off to signify a performance advantage for BC was identified. BC appears to be one of an array of variables impacting performance, and its influence should not be overstated. The survey (125 practitioners, 61 sports and 26 countries) showed subtle changes in BC considerations over time, such as an increased role for sport dietitian/nutrition practitioners as BC measurers (2013: 54%, 2022: 78%); less emphasis on reporting of body fat percentage (2013: 68%, 2022: 46%) and reduced frequency of BC assessment if ≥every fourth week (2013: 18%, 2022: 5%). Respondents remained concerned about a problematic focus on BC (2013: 69%, 2022: 78%). To address these findings, we provide detailed recommendations for BC considerations, including an overview of preferable BC methodology. CONCLUSIONS: The 'best practice' guidelines stress the importance of a multidisciplinary athlete health and performance team, and the treatment of BC data as confidential medical information. The guidelines provide a health focus around BC, aiming to reduce the associated burden of disordered eating, problematic low energy availability and 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 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 | 0,082 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,025 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».