Sex differences in ultramarathon performance in races with comparable numbers of males and females
Notice bibliographique
Résumé
There is a prominent sex-based difference in athletic performance such that males outperform females by 7%–14% in races from 100 m to marathon. In ultramarathons, the difference is often much smaller, leading to speculation that females are “built” for the sport. However, data are confounded by the low number of female participants; just 10%–30% in any given race. This study compared data from two ultramarathons where males and females competed in comparable numbers. There were 116 and 146 starters in the 50 mile and 100 mile races, respectively (52% female). Finish times were compared using t tests or Mann–Whitney U tests, a Chi-squared test of independence examined the relationship between sex and ranking, and multivariable linear regressions examined relationships between sex, age, and finish time. There were 96 finishers in the 50 mile race (46% female) and 91 finishers in the 100 mile race (45% female). The median finish time for 50 miles was 12.64 ± 2.11 h with no difference between sexes (1.2%, p = 0.441). However, the top-10 males finished the race ∼85 min faster than the top-10 females (13.8%, p = 0.045). The mean finish time for 100 miles was 31.58 ± 3.36 h with no difference between sexes (3.2%, p = 0.132) and no difference between the top-10 males and top-10 females (4.4%, p = 0.150). Linear and multivariable regression models using sex and age were unable to predict overall finish time in either race. In conclusion, the sex-based performance discrepancy shrinks to 1%–3% in ultramarathons when males and females compete in comparable numbers. Top-performing males still retain a considerable advantage over shorter distances.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».