Effective Intervention Features of a Doping Prevention Program for Athletes: A Systematic Review with Meta-Analysis
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
This study systematically reviewed the effectiveness of cognitive, affective, and combined approaches in doping prevention, considering the impact of athletes’ active versus passive participation. Following the PRISMA 2020 guidelines and the PICOS framework, a literature search identified ten studies involving 3581 athletes (1094 women, 2487 men). Ten studies were included as a sample in the meta-analysis and meta-regression, which were used in the effect size calculation. This meta-analysis shows that anti-doping education programs effectively improve short-term doping intentions (ES = 0.29, p < 0.001) and anti-doping behaviors (ES = −0.27, p < 0.001), although there is a decline in the long-term effects (ES = −0.13, p = 0.009). Moral behaviors were unaffected (ES = 0.01, p < 0.001), suggesting that changing deeper values requires alternative approaches like mentorship. Passive participation negatively impacted doping intentions (ES = −0.40, p = 0.004) and behaviors (ES = −0.40, p = 0.022), highlighting the need for active engagement. Pre-experimental designs showed a negative effect on behaviors (ES = −0.74, p = 0.023), emphasizing the importance of rigorous methodologies. While anti-doping education programs effectively influence short-term attitudes and intentions, sustaining behavioral change requires continuous reinforcement and active engagement. The decline in the long-term effects suggests that standalone interventions are insufficient to instill lasting anti-doping behaviors in 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,000 | 0,002 |
| 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