Performance‐enhancing substances in sport: A scientometric review of 75 years of research
Notice bibliographique
Résumé
The use of performance-enhancing substances not only undermines the core values of sports but also poses significant health risks to athletes. In a fast-evolving doping environment, where sport professionals are constantly seeking novel and illegal means to bypass doping tests, and new substances are regularly detected on the drug market, it is crucial to inform authorities with updated evidence emerging from scientific research. The current study aims to (i) outline the structure of knowledge in the literature on performance enhancers in sports (i.e., most active countries, main sources, most productive authors, and most frequently used keywords); (ii) identify the most impactful documents in the field; and (iii) uncover the main domains of research in the literature. To do so, we conducted a comprehensive scientometric analysis of the literature on doping, sourcing our data from Scopus. Our research involved a document co-citation analysis of 193,076 references, leading to the identification of the 51 most influential documents and seven key thematic areas within the doping literature. Our results indicate that the scientific community has extensively studied the most prevalent doping classes, such as anabolic agents and peptide hormones, and little is still known about the use of contaminated supplements or other types of enhancers identified as emergent trends. Concurrently, technological advancements contributed to the development of more sophisticated doping detection techniques, using blood or urine samples. More recently, the focus has shifted towards the athlete biological passport, with research efforts aimed at identifying biomarkers indicative of doping. The dynamic nature of doping methods underlines the necessity for more robust educational campaigns, aiming at raising awareness among sports professionals and their entourage about the dangers of doping and the intricacies of its control mechanisms.
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 | 0,028 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,207 | 0,281 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».