Athletes from Great Britain report greater doping likelihood than Greek and Italian athletes: A cross-sectional survey of over 4,000 athletes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• Over 4000 athletes from three countries completed a measure of doping likelihood. • Men reported greater doping likelihood than women. • Non-Olympic Sport athletes report greater doping likelihood than Olympic Sport athletes. • Athletes from Great Britain reported greater doping likelihood than Greek and Italian athletes. In the past twenty years, a large body of research has examined who is more likely to dope as a function of participant variables, such as gender, sport type, and competition level. However, this research is limited as studies are often conducted on modest sample sizes from one country. To overcome this issue, we recruited a large sample of athletes across three countries to examine differences in doping likelihood as a function of participant variables. Athletes ( N = 4,644) were recruited from Great Britain ( n = 2,505), Greece ( n = 1,044), and Italy ( n = 1,095) and asked to complete an anonymous measure of doping likelihood. Results indicated that doping likelihood scores were greater in men than women, for athletes competing in non-Olympic sports (e.g., American football, kickboxing, netball) than Olympic sports (e.g., Athletics, basketball, football) and in British athletes than both Greek and Italian athletes. We found an interaction between country and competitive level. Specifically, in Great Britain, higher competitive level athletes reported greater doping likelihood than lower competitive level athletes, which was not found for Greek and Italian athletes. Our results highlight that athletes report greater doping likelihood for those that are 1) from Great Britain, 2) men, and 3) participating in non-Olympic sports. We also show that differences in doping likelihood between competition levels may differ depending on country of residence .
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle