Over-the-counter medication usage and knowledge of anti-doping in English football league players: a questionnaire-based study
Bibliographic record
Abstract
Introducción: Los atletas profesionales muestran insuficiente conocimiento \nsobre el uso de medicamentos de venta libre (MVL) y las sanciones por dopaje. \nA la fecha, no hay literatura publicada que describa el uso de MVL en \nfutbolistas. El objetivo del estudio fue describir el uso de MVL y los \nconocimientos de los futbolistas sobre el antidopaje en la liga de fútbol inglesa \n(EFL). Métodos: Estudio transversal a futbolistas de tres equipos profesionales \nde la EFL. El conocimiento de antidopaje y uso de MVL se evaluó con 12 y 6 \npreguntas respectivamente. Resultados: 57 futbolistas completaron el \ncuestionario. El 47% de los jugadores utilizó MVL durante la temporada. Los \nmedicamentos utilizados con mayor frecuencia fueron analgésicos (38%) y \nantiinflamatorios (24%). Las farmacias fueron el lugar más común donde los \njugadores obtuvieron MVL (44%). Solo el 32% de los participantes informó \nbuscar asesoramiento antes del uso de medicamentos y verificaba ingredientes \nprevio al consumo. Se encontró un coeficiente de correlación positivo \nmoderado (r = 0,46, p <0,01) entre el número de respuestas correctas en \npreguntas de antidopaje y mayor cautela con respecto al uso de MVL. \nConclusión: Los futbolistas que demostraron mayor conocimiento de antidopaje \nfueron más cautelosos con el uso de MVL.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".