Off-Ice Fitness of Elite Female Ice Hockey Players by Team Success, Age, and Player Position
Notice bibliographique
Résumé
This study examined off-ice fitness profiles of 204 elite female ice hockey players from 13 countries who attended a high-performance camp organized by the International Ice Hockey Federation (IIHF) in Bratislava, Slovakia, in July of 2011. Athletes were tested using standardized protocols for vertical jump (centimeters), long jump (centimeters), 4-jump average (centimeters), elasticity ratio (4-vertical jump average/vertical jump), pull-up or inverted row (n), aerobic fitness (V[Combining Dot Above]O2max), body mass (kilograms), and body composition (% fat). These variables were examined relative to team success in major international hockey competition (group 1: Canada and USA, group 2: Sweden and Finland, group 3: All other participating countries), age group (Under 18 and Senior/Open Levels), and player position (forwards, defenders, and goalies). The athletes from countries with the best international records weighed more, yet had less body fat, had greater lower body muscular power and upper body strength, and higher aerobic capacity compared with their less successful counterparts. Compared with the younger athletes, athletes from the senior-level age group weighed more and had higher scores for lower body power, pull-ups, and aerobic capacity. There were no significant differences in anthropometric or fitness data based on player position. This study is the first to report the physical characteristics of a worldwide sample of elite female ice hockey players relative to team performance, age, and player position. Coaches should use these data to identify talent, test for strengths and weaknesses in conditioning programs, and design off-ice programs that will help athletes match the fitness profiles of the most successful teams in the world.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».