Lower-limb extension power: How well does it predict short distance speed skating performance?
Notice bibliographique
Résumé
{\it Purpose:} This study was aimed to explore the relationship between lower limb extension power measured by isokinetic knee extensions (IK) and vertical jumps performed on a force plate (VJ) and speed skating (SS) sprint power measured by a laser device. {\it Methods:} Twenty elite short- and long-track speed skaters performed 100 m sprints followed by VJ and IK trials. Power-time curves were calculated off-line. Pearson correlation coefficients were used to determine the degree of association between the variables. {\it Results:} SS sprint power correlates strongly with VJ power(r=0.870; p<0.001) while IK power showed a weaker but significant correlation to both (r=0.707 and r=0.706, respectively; p<0.01). As expected, SS times at 15 m and 100 m were inversely associated with SS sprint power (r=-0.818 and r=-0.909; p<0.001) and VJ power (r=-0.730 and r=-0.763; p<0.001), and to a lesser degree with IK power (r=-0.602; r=-0.618; p<0.01). {\it Conclusion:} The analyses differentiate between methods of estimating power in speed skaters, and show a strong relationship between initial SS performance and muscular power. Given that 100 m split times strongly relate to final 500 m results (r=0.972; p<0.001, N=332), it is reasonable to believe that an initial power and a stable peak speed before the first curve may lead to achieving the winning edge in short SS events. A finding of particular interest is that isokinetic power results are correlated significantly with the practical outcomes of the performance in spite of the high specificity of the isokinetic testing 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».