Cultivating clean sport environment with athlete support personnel (ASP): A study on anti-doping knowledge, attitudes, and practices of ASP
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
Athlete support personnel (ASP) work closely with, treat, or assist an athlete participating in or preparing for sports competition. Their involvement in preventing and eliminating doping is crucial. This study investigated the knowledge, attitudes, and practices related to doping in sports among ASP from Southeast Asian countries. An anonymized self-administered questionnaire assessing knowledge, attitudes, and practices related to doping in sports issues was administered to ASP from Southeast Asian countries. Overall, 596 respondents from eleven countries participated in the study. The majority were male (67.1%), non-healthcare professionals (89.4%), and retired elite athletes (57.7%). Their knowledge was found to be poor, reflected in a mean score of 16.1±5.4 out of 30. Attitudes towards doping, as measured by the Performance Enhancement Attitude Scale (PEAS), scored 18.1±9.4, indicating a negative attitude. While some respondents provided information on medication and supplements use in sports to athletes, only 11.8% reported regular updates on doping in sports topics. Meanwhile, the knowledge and PEAS scores were significantly different between the genders (p = 0.04; p = 0.02). The knowledge score was also negatively correlated with the PEAS (p<0.01). This study highlights significant knowledge gaps among ASP in Southeast Asia regarding anti-doping practices. Enhancing their knowledge and fostering positive attitudes toward anti-doping efforts can promote a culture of doping-free sports, particularly among the emerging generation of young athletes they support.
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 | 0,001 | 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 découle