Boston Marathon athlete performance outcomes and intra-event medical encounter risk associated with low energy availability indicators
Notice bibliographique
Résumé
OBJECTIVE: To determine the association between survey-based self-reported problematic low energy availability indicators (LEA-I) and race performance and intra-event medical encounters during the Boston Marathon. METHODS: 1030 runners who were registered for the 2022 Boston Marathon completed an electronic survey (1-4 weeks pre-race) assessing LEA-I, training and medical history. De-identified survey data were linked to event wearable timing chips and medical encounter records. LEA-I was defined as: an elevated Eating Disorder Examination Questionnaire score, elevated Low Energy Availability (LEA) in Females Questionnaire score, LEA in Males Questionnaire with a focus on gonadal dysfunction score and/or self-report of diagnosed eating disorder/disordered eating. RESULTS: The prevalence of LEA-I was 232/546 (42.5%) in females and 85/484 (17.6%) in males. Athletes without LEA-I (non-LEA-I) achieved significantly better race times versus those with LEA-I (accounting for demographic and anthropomorphic data, training history and marathon experience), along with better division finishing place (DFP) mean outcomes (women's DFP: 948.9±57.6 versus 1377.4±82.9, p<0.001; men's DFP: 794.6±41.0 versus 1262.4±103.3, p<0.001). Compared with non-LEA-I athletes, LEA-I athletes had 1.99-fold (95% CI: 1.15 to 3.43) increased relative risk (RR) of an intra-event medical encounter of any severity level, and a 2.86-fold increased RR (95% CI:1.31 to 6.24) of a major medical encounter. CONCLUSION: This is the largest study to link LEA-I to intra-event athletic performance and medical encounters. LEA-I were associated with worse race performance and increased risk of intra-event medical encounters, supporting the negative performance and medical risks associated with problematic LEA-I in marathon athletes.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».