Sport nutrition knowledge, dietary intake and quality of life status of curling athlete populations
Notice bibliographique
Résumé
Dietary Intake can impact sport performance and may be influenced by Nutrition Knowledge (NK). Stressors related to competitive sport also affect Dietary Intake and athlete Quality of Life (QOL). This is the first study to explore NK, Dietary Intake and QOL of curlers. Part 1 of the study assessed the NK (n=320) and QOL (n=240) of Canadian curlers using an author-derived questionnaire for NK and the WHOQOL-BREF and Athlete Life Quality Scale for QOL. Part 2 of the study explored the dietary intake of elite female curlers (n=4) using a 3-day food record. Data were analyzed using Mann-Whitney U, Spearman’s Correlation, Kruskal-Wallis, and Chi-Square tests. Overall, curlers had an average NK score of 69.7%, which is relatively high compared to the literature range of 33.2% - 83.7%. Nutrition Requirements, Weight Management and Macronutrients were poorly understood NK categories with Hydration, Protein and Sugar as the most well understood categories. Competitive athletes had significantly lower Total NK and General NK, but not Sport NK scores compared to recreational athletes (p=0.046, p=0.001 and p=0.449, respectively). Participants had high QOL scores with an average of 89.3%, and no differences were found between competitive and recreational athletes (p>0.05). Factors influencing QOL were Employment, as Retired participants had higher QOL scores in the Social Relationships, Psychological and Environment Domains; Gender, as male participants had higher Psychological Domain scores than female participants; and Age, that had a significantly positive relationship with the Psychological Domain (rho=0.165, p=0.011) and Environment Domain (rho=0.270, p<0.001). Dietary Intake data showed trends of low energy and carbohydrate intake, while protein and fat intake were within, and above recommendations, respectively. While this thesis concluded that Canadian curlers had high QOL scores and relatively high NK, it remains unknown how NK influences Dietary Intake, thus requiring further research in this area.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».