Le phénomène du dopage sportif chez les athlètes adolescents : une synthèse des caractéristiques associées et des stratégies préventives
Bibliographic record
Abstract
Le phénomène du dopage sportif constitue une problématique présente à la fois parmi les athlètes adultes et les athlètes-adolescents. Or, le dopage par stéroïdes anabolisants androgènes (SAA) peut entraîner de lourdes conséquences pour les adolescents. Afin de mieux comprendre l’étiologie de la survenue de l’intention de se doper et du passage à l’acte chez les athlètes-adolescents, cet article propose une analyse critique des résultats d’études empiriques publiés au cours des dernières années. Les résultats des études recensées permettent de mettre en relief certaines caractéristiques des athlètes-adolescents, mais aussi de leur environnement face au risque de dopage sportif. Ils suggèrent l’importance d’une intervention précoce, impliquant à la fois de l’information et de l’éducation cognitive, dans le but de prévenir la survenue de l’intention de se doper. De plus, la participation active des athlètes-adolescents, de leurs pairs, parents et entraineurs est suggérée. Enfin, considérant que peu de recherches portent sur les programmes de prévention du dopage sportif chez les athlètes-adolescents, il semble essentiel de poursuivre les efforts au niveau du développement de programmes de prévention efficaces, appuyés sur des données probantes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".