MétaCan
Menu
Retour à la cohorte
Enregistrement W4387325063 · doi:10.1139/apnm-2023-0036

Physiological and nutrition-related challenges as perceived by spinal cord-injured endurance hand cyclists

2023· article· en· W4387325063 sur OpenAlexaffvenue
Reno Eron Gordon, Belinda Scrooby, Lize Havemann‐Nel

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésMedicineSpinal cord injuryThematic analysisPhysical therapyPhysical medicine and rehabilitationFluid intakeEndurance trainingQualitative researchSpinal cordInternal medicine

Résumé

récupéré en direct d'OpenAlex

This study explored the perceptions of spinal cord-injured (SCI) endurance hand cyclists regarding their physiological and nutrition-related challenges and the perceived impact of these challenges on nutritional intake and exercise capacity. This was an interpretive qualitative descriptive study in which semi-structured interviews were conducted with 12 adult South African national-level SCI endurance hand cyclists. Thematic analysis was used to explore perceptions regarding physiological and nutrition-related challenges and the impact thereof on nutritional practices and exercise capacity. Four themes emerged from the interviews: (i) physiological challenges experienced, (ii) nutrition-related challenges experienced, (iii) changes in nutritional practices, and (iv) compromised exercise capacity. The SCI endurance hand cyclists reported a number of physiological and nutrition-related challenges. Bowel and bladder challenges, limited hand function, muscle spasms, thermoregulatory challenges, pressure sores, menstrual periods, and low iron levels/anaemia were perceived to predominantly impact food and fluid intake (restrict intake) and compromise exercise capacity. This information can assist to devise tailored guidelines aimed to optimise fluid intake, overcome bladder challenges and ensure adequate nutritional intake in light of limited hand function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,298
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetSports injuries and preventionTravaux en français237 207