On the assessment of lower-limb muscular power capability
Notice bibliographique
Résumé
Purpose: This study assessed the reliability and validity of different methods used to estimate lower-limb muscular power capability based on mechanical variables. For this purpose, vertical jumping was compared with isokinetic knee extensions and with power tests used by practitioners. Methods: Four groups of subjects (N=106) were tested in different conditions. Group-I performed countermovement vertical jumps (CMJ) on a force plate followed by left and right knee extensions on an isokinetic device at 120, 180 and 240 deg · s $^{-1}$ . Group-II performed CMJ trials followed by 20-m sprints, hand-reach jumps and 1RM leg-press testing. Group-III carried out squat jumps (SJ) in addition to CMJ trials. Finally, Group-IV performed the CMJ test and was retested twice after a short inter-session interval (1–4 days) and after a long one (4.5–5 months). The Pearson correlation was used to assess the validity and reliability of CMJ (p ≤ 0.01, **). Results: Mean peak power during CMJ was correlated with sprint time(r=-0.882 $^{**}$ ) and leg-press 1 RM(r=0.797 $^{**}$ ), but less with peak hand-reach height(r=0.695; p ≤ 0.05). Isokinetic knee extension power showed also a significant correlation with CMJ power, but its strength depended on the angular velocity (Isok-120 r=0.702 $^{**}$ ; Isok-180 r=0.737 $^{**}$ ; Isok-240 r=0.599 $^{**}$ ). Test-retests showed a strong correlation after a short interval(r=0.915 $^{**}$ ) and after a long one(r=0.890 $^{**}$ ). Using the SJ technique did not have any effect on reliability (r=0.914 $^{**}$ ). Conclusions: CMJ matches other methods used for testing lower-limb power capability. It is highly reliable and it allows a valid assessment of muscular power. Since CMJ is also simple and accurate to perform, it is the recommended method.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».