MétaCan
Menu
Retour à la cohorte
Enregistrement W4402402293 · doi:10.1123/ijspp.2024-0158

Training-Load Management Ambiguities and Weak Logic: Creating Potential Consequences in Sport Training and Performance

2024· article· en· W4402402293 sur OpenAlexaff
Stephen West, Ian Shrier, Franco M. Impellizzeri, Jo Clubb, Patrick S. Ward, Garrett Bullock

Notice bibliographique

RevueInternational Journal of Sports Physiology and Performance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensMcGill University Health CentreUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePreparednessTraining (meteorology)Transparency (behavior)Sports scienceProcess (computing)AthletesAuditRisk analysis (engineering)Management scienceKnowledge managementData scienceApplied psychologyPsychologyMedicineComputer securityBusinessEngineeringPolitical sciencePhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The optimization of athlete training load is not a new concept; however in recent years, the concept of "load management" is one of the most widely studied and divisive topics in sports science and medicine. PURPOSE: Discuss the challenges faced by sports when utilizing training load monitoring and management, with a specific focus on the use of data to inform load management guidelines and policies/mandates, their consequences, and how we move this field forward. CHALLENGES: While guidelines can theoretically help protect athletes, overzealous and overcautious guidelines may restrict an athlete's preparedness, negatively influence performance, and increase injury risk. Poor methods, wrong interpretation of study findings, and faulty logic do not allow for systematic scientific evaluations to inform guidelines. Practical Solutions: Guidelines and mandates should be developed through a systematic research process with stronger research designs and clear research questions. Collaborating with statistical and epidemiological experts is essential. Implementing open science principles and sharing all sports training load data increase transparency and allow for more rapid and valid advancements in knowledge. Practitioners should incorporate multiple data streams and consider individual athlete responses, rather than applying broad guidelines based on average data. CONCLUSION: Many current training load guidelines and mandates in sports come from good intentions; however, they are arbitrary without sound knowledge of the underlying scientific principles or methods. Common sense guidelines are helpful when there is sparse literature, but they should be careful to avoid arbitrarily choosing findings from weak research. Without precise scientific inquiries, implementing training load interventions or guidelines can have negative implications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Physiology and PerformanceMême sujetSports injuries and preventionTravaux en français237 207