Personal risk factors and types of sport associated with drive for thinness and drive for muscularity in NextGen athletes
Notice bibliographique
Résumé
Introduction: ) who compete at the provincial, national, and international levels but are not yet part of national teams. As such, they have access to fewer financial resources and support from their sport federations, which can create additional stress for these athletes. The present study aimed to identify personal risk factors and types of sports associated with (a) drive for thinness and (b) drive for muscularity in NextGen athletes. Methods: = 254) aged between 14 and 25 years old completed an online questionnaire. Perfectionism, self-esteem in sport, drive for thinness, and drive for muscularity were, respectively, assessed by the Multidimensional Inventory of Perfectionism in Sport, the Sport State Self-Esteem Scale, the Eating Attitude Test-26, and the Drive for Muscularity Scale. Other personal risk factor (e.g., athletic status) were measured using in-house questions. Each personal risk factor was included in two multiple linear regressions, respectively, to determine which factors were most associated with drive for thinness and drive for muscularity. Results: Analyses revealed that perfectionist aspirations during training were linked to a stronger desire for thinness. In addition, not being in school or not having a job were also linked to a stronger desire for thinness. Several variables were found to be associated with a greater desire for muscularity: being a male athlete, playing team sport, weight category sport or endurance sport (as opposed to esthetic sport), having elite status, being less satisfied with one's current sporting performance and having higher perfectionist aspirations during training. Discussion: This study offers initial insights into the factors influencing EDs among NextGen athletes, which provides a foundation for deeper exploration and the creation or modification of targeted interventions. These findings can guide sport organizations in creating guidelines and programs to better support the next generation of national athletes (e.g., create programs to help athletes maintain investments outside).
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».