Using Squat Testing to Predict Training Loads for Lower-Body Exercises in Elite Karate Athletes
Notice bibliographique
Résumé
The purpose of this study was to determine the relationship between squat loads and 2 bilateral and 2 unilateral stepping lower-body exercises in predominantly unilateral movement elite athletes (Karate). Equations to predict loads for lower-body exercises based on the squat load were also determined. Fourteen male elite Karate athletes (age = 22.6 ± 1.2 years) performed 6 repetition maximum (RM) of the following free-weight bilateral exercises: back half squat, deadlift, leg press and unilateral stepping exercises, lunge; and step-up. Results showed that 6RM squat load was significantly (p < 0.001) correlated with deadlift (r = 0.86), leg press (r = 0.76), lunge (r = 0.86), and step-up (r = 0.92). Linear regression showed that the 6RM squat load was a significant predictor for deadlift, leg press, lunge, and step-up (R2 range from 0.57 to 0.85, p < 0.001). The following 6RM prediction equations were determined: (a) Deadlift = squat load (1.12)-16.60 kg, (b) Leg press = squat load (1.66) + 16.10 kg, (c) Lunge = squat load (0.61) + 9.39 kg, and (d) step-up = squat load (0.85)-10.36 kg. Coaches and fitness professionals can use the 6RM squat load as a time effective and accurate method to predict training loads for both bilateral and unilateral lower-body exercises with quadriceps as the prime mover. Load prescriptions for unilateral exercises should take into account the type of athletic population.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
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 ».