Position statement. Part two: Maintaining immune health.
Notice bibliographique
Résumé
The physical training undertaken by athletes is one of a set of lifestyle or behavioural factors that can influence immune function, health and ultimately exercise performance. Others factors including potential exposure to pathogens, health status, lifestyle behaviours, sleep and recovery, nutrition and psychosocial issues, need to be considered alongside the physical demands of an athlete's training programme. The general consensus on managing training to maintain immune health is to start with a programme of low to moderate volume and intensity; employ a gradual and periodised increase in training volumes and loads; add variety to limit training monotony and stress; avoid excessively heavy training loads that could lead to exhaustion, illness or injury; include non-specific cross-training to offset staleness; ensure sufficient rest and recovery; and instigate a testing programme for identifying signs of performance deterioration and manifestations of physical stress. Inter-individual variability in immunocompetence, recovery, exercise capacity, non-training stress factors, and stress tolerance likely explains the different vulnerability of athletes to illness. Most athletes should be able to train with high loads provided their programme includes strategies devised to control the overall strain and stress. Athletes, coaches and medical personnel should be alert to periods of increased risk of illness (e.g. intensive training weeks, the taper period prior to competition, and during competition) and pay particular attention to recovery and nutritional strategies.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,032 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,038 |
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 ».