The Effects of Utilizing the Valsalva Acceleration Technique on Speed and Power Performance
Notice bibliographique
Résumé
There is a growing trend among trainers and coaches to instruct their athletes to perform the Valsalva acceleration technique (VAT) during sprinting and jumping actions to improve performance. However, to our knowledge there is no literature that has correlated the physiological responses to the Valsalva maneuver to increased speed and power performance. PURPOSE: To evaluate the effects of performing the Valsalva maneuver on speed and power performance. METHODS: 11 untrained male and female subjects (ages 21–33 years) completed two 40 yard (36.6m) sprints, two Wingate tests, and two vertical jump tests (one trial using the VAT and one control (C) trial). The trials for all tests were assigned in random order and subjects had at least an hour rest between trials. During the VAT trials subjects performed a valsalva maneuver for 3 seconds prior to performing each test. A second VAT was also done at the 15s mark of the Wingate test. Measurements of time to completion and 10m acceleration were analyzed for the 40 yard sprint. Jump height and flight time were observed for the vertical jump test, while peak power achieved and power produced at the 15 second mark were examined during the Wingate test. RESULTS: The mean 40 yard sprint time while subjects performed the VAT was 5.76 seconds while the mean control time was 5.77s (P >0.05). Similarly, the subjects displayed almost equivocal 10m acceleration values in both conditions (4.47m/s2 VAT and 4.44 m/s2 control). During the Wingate test in the VAT condition, subjects averaged a peak power of 10.78 W/kg versus a mean of 11.04W/kg in the control condition (P >0.05). There was a significant difference (P >0.05) in power production from 15s to 20s during the Wingate test (VAT= 8.00 W/kg, control= 8.36 W/kg). There was no difference in flight time or jump height between the C or VAT conditions. CONCLUSION: The data suggests that the Valsalva acceleration technique does not improve speed and power test parameters in untrained subjects.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 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 ».