MétaCan
Menu
Retour à la cohorte
Enregistrement W2043718589 · doi:10.1186/2052-1847-6-30

Metastability in plyometric training on unstable surfaces: a pilot study

2014· article· en· W2043718589 sur OpenAlexaff
Armin Kibele, Claudia Classen, Thomas Muehlbauer, Urs Granacher, David G. Behm

Notice bibliographique

RevueBMC Sports Science Medicine and Rehabilitation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPlyometricsCountermovementMathematicsJumpStretch shortening cycleBalance (ability)Dynamic balancePhysical medicine and rehabilitationPhysical therapyMedicineEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the past, plyometric training (PT) has been predominantly performed on stable surfaces. The purpose of this pilot study was to examine effects of a 7-week lower body PT on stable vs. unstable surfaces. This type of exercise condition may be denoted as metastable equilibrium. METHODS: Thirty-three physically active male sport science students (age: 24.1 ± 3.8 years) were randomly assigned to a PT group (n = 13) exercising on stable (STAB) and a PT group (n = 20) on unstable surfaces (INST). Both groups trained countermovement jumps, drop jumps, and practiced a hurdle jump course. In addition, high bar squats were performed. Physical fitness tests on stable surfaces (hexagonal obstacle test, countermovement jump, hurdle drop jump, left-right hop, dynamic and static balance tests, and leg extension strength) were used to examine the training effects. RESULTS: Significant main effects of time (ANOVA) were found for the countermovement jump, hurdle drop jump, hexagonal test, dynamic balance, and leg extension strength. A significant interaction of time and training mode was detected for the countermovement jump in favor of the INST group. No significant improvements were evident for either group in the left-right hop and in the static balance test. CONCLUSIONS: These results show that lower body PT on unstable surfaces is a safe and efficient way to improve physical performance on stable surfaces.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · 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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,075
Tête enseignante GPT0,335
Écart entre enseignants0,261 · 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'étudeEssai non randomisé
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

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Sports Science Medicine and RehabilitationMême sujetSports Performance and TrainingTravaux en français237 207