Perspective on strategies for matching across age and sex in physiology research: “recreationally active” is not good enough
Notice bibliographique
Résumé
Cardiorespiratory fitness (CRF) and muscular fitness are powerful confounders in age and sex-related comparisons. This paper provides a perspective on the benefits and limitations of matching participants by physical activity behaviour, objectively measured fitness and normative fitness percentiles. Data presented herein are a subset of a larger study, and highlight that matching by physical activity, does not necessarily match on other metrics like physical fitness, especially when age-related comparisons are being made. Our data showed that young and older adults matched by physical activity behaviours showed the expected higher CRF and muscular fitness in male and younger participants, but older adults had higher CRF percentiles. This suggests that matching by physical activity behaviour may select older adults with relatively higher CRF. Researchers must choose their matching method carefully to ensure the appropriate aspects of fitness have been matched between groups. For clarity, they should also report when certain aspects of fitness have not been accounted for and give an explanation as to why.
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 | 0,529 | 0,481 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,038 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,012 | 0,012 |
| Intégrité de la recherche | 0,013 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».