Movement Demands in Australian Rules Football as Indicators of Muscle Damage
Notice bibliographique
Résumé
The purpose of this study was to determine if there is an association between variables that describe movements in an Australian Rules football (ARF) game with muscle damage. Fourteen elite junior ARF players were monitored with a global positioning system (GPS) during a match, and muscle damage was estimated by determining creatine kinase (CK) 24 hours postmatch. The players were median split based on CK levels, into a high and low CK group, and the groups were compared with independent t-tests. The primary finding was that the group that experienced greater muscle damage (high CK group) generally covered significantly (p < 0.05) greater distances. This was the case for running speeds between 4 and 7 m·s(-1) and, with the exception of high acceleration, all intensities of acceleration and deceleration. The high, as compared with the low, CK group also produced a significantly greater (42%) "player load." All of these significant differences were accompanied by large effect sizes. Group-specific Pearson (r) correlations between CK level and GPS variables suggest that a certain volume of movement is required before the elicitation of a positive relationship beyond trivial or small. Correlations between CK and running speeds >4 m·s(-1) and moderate-high acceleration and deceleration were negative in the low CK (lesser volumes) group. With the exception of low-intensity acceleration/deceleration, the same relationships were positive and generally of a moderate-to-large magnitude in the high CK (greater volumes) group. It may be that a certain volume of movement is required for that movement to be strongly associated with CK levels. It was concluded that selected GPS variables obtained from ARF games can be used as indicators of muscle damage, and this information may be used to individualize recovery strategies after games.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».