Summary of the 2024 Professionals in Nutrition for Exercise and Sport “10 Questions/10 Experts” Session—Hot Topics for the Paris Olympic Games
Notice bibliographique
Résumé
This article provides a recap of the 10 Questions/10 Experts session at the 2024 American College of Sports Medicine Annual Meeting. Each of the speakers considered the validity of common "myths," while providing evidence-based opinions to support, or, bust, myths addressing the following questions: (1) Would 100 g/hr of carbohydrate be advisable for the Olympic Cycling Road race? (2) Is there an advantage in the marathon of ingesting bicarbonate as a hydrogel product? (3) Can genotyping be used to individualize caffeine supplementation in football? (4) Should low fluid consumers drink more to improve 1,500-m track performance? (5) Do urinary markers of dehydration predict poor basketball performance? (6) Do placebo effects influence 10-km track performance? (7) Should combat athletes make weight using glucagon-like peptide-1 receptor agonists? (8) Would crushed ice ingestion help tennis umpires make better decisions in the heat? (9) Are collagen supplements useful to reduce tendon and ligament injuries in volleyball? and (10) Should female athletes plan their training and diet according to their menstrual cycle? This article describes the content of each of the presentations including the most important outcomes and conclusions drawn by the presenters.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,206 | 0,092 |
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 ».