MétaCan
Menu
Retour à la cohorte
Enregistrement W2003991968 · doi:10.1519/00124278-200702000-00021

METABOLIC AND FUNCTIONAL RESPONSES PLAYING TENNIS ON DIFFERENT SURFACES

2007· article· en· W2003991968 sur OpenAlexaff
Juan M. Murias, DAMIÁN LANATTA, Carlos Rodolfo Arcuri, Fernando Laíño

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRest (music)Heart rateStatistical analysisPsychologyAnimal scienceSocial psychologyChemistryLawMathematicsStatisticsMedicinePolitical scienceCardiologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to compare various metabolic and functional responses while playing tennis on clay and hard courts. Twelve 90-minute matches were played (6 on clay courts and 6 on hard courts) by 4 nationally ranked players. During the on-court tests, oxygen uptake (VO2) and heart rate (HR) were measured using portable systems. Capillary blood lactate concentration (LA) was measured every 10 minutes. Additionally, distance ran, playing time, resting time, and exercise to rest ratio were monitored by time-motion analysis. The statistical analysis showed that playing time was higher on clay courts than on hard courts (p < 0.05), and resting time on clay courts and hard courts was not statistically different (p > 0.05). The exercise to rest ratio was affected by the interaction between playing time and resting time, showing a longer recovery time per unit of exercise on hard courts than on clay courts (p < 0.05). Distance ran, mean HR, and mean LA were significantly higher on clay courts than on hard courts (p < 0.05). There was less fluctuation of the VO2 response on clay courts than on hard courts. Therefore, it is suggested that conditioning programs should be adjusted according to the playing surface to account for the longer playing time, greater exercise to rest ratio, increased HR and LA, and a more steady pattern of VO2 seen on clay courts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,364
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetSports Performance and TrainingTravaux en français237 207