Effect of Warm-Ups Involving Static or Dynamic Stretching on Agility, Sprinting, and Jumping Performance in Trained Individuals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of the present study was to investigate the effects of static and dynamic stretching alone and in combination on subsequent agility, sprinting, and jump performance. Eight different stretching protocols: (a) static stretch (SS) to point of discomfort (POD); (b) SS less than POD (SS<POD); (c) dynamic stretching (DS); (d) SS POD combined with DS (SS POD + DS); (v) SS<POD combined with DS (SS<POD + DS); (vi) DS combined with SS POD (DS + SS POD); (vii) DS combined with SS<POD (DS + SS<POD); and (viii) a control warm-up condition without stretching were implemented with a prior aerobic warm-up and followed by dynamic activities. Dependent variables included a 30-m sprint, agility run, and jump tests. The control condition (4.2 +/- 0.15 seconds) showed significant differences (p = 0.05) for faster times than the DS + SS<POD (4.28s +/- 0.17) condition in the 30-m (1.9%) sprint. There were no other significant differences. The lack of stretch-induced impairments may be attributed to the trained state of the participants or the amount of time used after stretching before the performance. Participants were either professional or national level elite athletes who trained 6-8 times a week with each session lasting approximately 90 minutes. Based on these findings and the literature, trained individuals who wish to implement static stretching should include an adequate warm-up and dynamic sport-specific activities with at least 5 or more minutes of recovery before their sport activity.
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.
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 | 0,006 | 0,001 |
| 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 | 0,001 |
| 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 découle