Resources to Guide Researchers in the Pursuit of High-Quality Sport Science Research in Women
Notice bibliographique
Résumé
Implementing a high-quality approach to the methodological classification and control of the ovarian hormone status of female participants in research is challenging and complex. These complexities have likely hindered the formulation of robust conclusions regarding the effects of the ovarian hormones (estrogen and progesterone) on sport science outcomes. We have therefore developed practical study design tools and resources to aid researchers in the pursuit of high-quality research in women. Specifically, this paper presents a tiered framework outlining varying levels of methodological classification and control of participant ovarian hormone status in exercise and performance studies involving postpubertal to premenopausal female participants. To support implementation, we also provide resources including a flowchart, participant prescreening questionnaire, and examples of applying the tiering system in practice. These tools will assist researchers in planning and study design that adopts appropriate classification and control of ovarian hormone status of its participants. These guides have been generated from our experiences of implementing a high-quality approach in the applied sports science setting. We discuss the balance between methodological rigor, practical constraints, participant burden, and the generalizability of findings. Ultimately, this paper provides resources to assist researchers in adopting high-quality, suitable approaches to studying female athletes, regardless of available resources thereby facilitating the correction of sex-based research biases in the literature.
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 | 0,401 | 0,556 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,014 |
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 ».