MétaCan
Menu
Retour à la cohorte
Enregistrement W2049498849 · doi:10.1080/02640410252925116

Discriminant analysis of anthropometric and biomotor variables among elite adolescent female athletes in four sports

2002· article· en· W2049498849 sur OpenAlexaff
Mario Leone, Georges Larivière, Alain Steve Comtois

Notice bibliographique

RevueJournal of Sports Sciences · 2002
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensHôpital Notre-Dame
Organismes subventionnairesnon disponible
Mots-clésAnthropometryAthletesDiscriminant function analysisTrunkPhysical therapyBody fat percentageMathematicsMedicinePsychologyStatisticsBiology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to identify anthropometric and biomotor variables that discriminated among groups of elite adolescent female athletes aged 14.3 +/- 1.3 years (mean +/- s) from four different sports (tennis, n = 15; swimming, n = 23; figure skating, n = 46; volleyball, n = 16). The anthropometric variables included body mass, height, bi-epicondylar breadth of the distal extremity of the humerus and femur, maximal girth of the calf and biceps and the sum of five adipose skinfolds. The biomotor variables were maximal aerobic power, muscular endurance and flexibility of the trunk. Discriminant analysis revealed three significant functions (P < 0. 05). The first discriminant function primarily represented differences between figure skaters and all other groups of athletes. The other two underlined anthropometric and biomotor differences between swimmers and volleyball players and between tennis players and swimmers, respectively. After validation, the analysis showed that 88% of the athletes were correctly classified in their respective sports. Our model confirms that elite adolescent female athletes show physical and biomotor differences that clearly distinguish them according to their particular sport.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,295
Écart entre enseignants0,251 · 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

Citations94
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports SciencesMême sujetSports Performance and TrainingTravaux en français237 207