Notice bibliographique
Résumé
Background The development of strategies to prevent illnesses before and during Olympic Games provides a basis for improved health and Olympic results. Objective (1) To document the effi cacy of a prevention programme on illness in a national Olympic team before and during the 2010 Vancouver Olympic Winter Games (OWG), (2) to compare the illness incidence in the Norwegian team with Norwegian incidence data during the Turin 2006 OWG and (3) to compare the illness inci-dence in the Norwegian team with illness rates of other nations in the Vancouver OWG. Methods Information on prevention measures of ill-nesses in the Norwegian Olympic team was based on interviews with the Chief Medical Offi cer (CMO) and the Chief Nutrition and Sport Psychology Offi cers, and on a review of CMO reports before and after the 2010 OWG. The prevalence data on illness were obtained from the daily reports on injuries and illness to the International Olympic Committee. Results The illness rate was 5.1 % (fi ve of 99 athletes) compared with 17.3 % (13 out of 75 athletes) in Turin (p=0.008). A total of four athletes missed one competi-tion during the Vancouver Games owing to illness, com-pared with eight in Turin. The average illness rate for all nations in the Vancouver OWG was 7.2%. Conclusions Although no defi nite cause-and-effect link between the implementation of preventive mea-sures and the prevalence of illness in the 2010 OWG could be established, the reduced illness rate compared with the 2006 OWG, and the low prevalence of illnesses compared with other nations in the Vancouver OWG suggest that the preparations were effective.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,410 | 0,190 |
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 ».