Pre-post Season Differences In Physical, Fitness, And Performance Characteristics In Elite Female Ice Hockey Players
Notice bibliographique
Résumé
PURPOSE: Only one study has examined the effects of multiple seasons of play in elite female ice hockey players, and on a limited number of variables. Thus, the purpose of this study was to determine if physical characteristics, fitness, and on-ice skating performance vary significantly from pre- to post-season in elite female ice hockey players. METHODS: The subjects of this study were players from the University of Alberta (n=94, age=20.9±2.5 yrs) measured over nine seasons of play (1999-2007). A full anthropometric battery was taken on each player for four pre- and post-seasons (1999-2000, 2004-05, 2005-06, and 2007-08). Off-ice fitness tests included vertical jump (VJ), sit-ups (SU), push-ups (PU), Leger Test (to predict VO2max), and 40-yd dash (DASH). On-ice skating performance tests included a 44.80 m speed (SPEED), 6.10 m acceleration (ACCEL), Cornering S-Turn agility (AGIL), and Modified Repeat Sprint Skate (MRSS) tests. Blood lactates were taken immediately after the MRSS and after 4-6 minutes recovery. Anaerobic power estimates were derived (anaerobic capacity and power from MRSS and SPEED - Watson & Sargeant, 1986) and (peak anaerobic power from VJ - Sayers, 1998). Paired sample t-tests were run using SPSS (Mac Version 11.0) with a significance level set a priori at p<0.01. RESULTS: Significant pre-to-post season differences were found for thigh and waist circumferences and % body fat; DASH; anaerobic capacity; AGIL and MRSS, MRSS drop-off, recovery HR, and post-MRSS lactate clearance. CONCLUSIONS: Anthropometric differences were within measurement error, suggesting that physical characteristics do not change significantly over the course of a season of play. However, differences in fitness and performance measures indicate that players improve selected aspects of both over the course of a season. These changes are likely a result of training, skating skill enhancement, and/or ice time rather than a learning effect over a five-to-six month period.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,003 | 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 ».