The Relationship Between Kinematic Determinants of Jump and Sprint Performance in Division I Women Soccer Players
Notice bibliographique
Résumé
The purpose of this study was to determine the relationship between measures of unilateral and bilateral jumping performance and 10- and 25-m sprint performance. Fifteen division I women soccer players (height 165 ± 2.44 cm, mass 61.65 ± 7.7 kg, age 20.19 ± 0.91 years) volunteered to participate in this study. The subjects completed a 10- and 25-m sprint test. The following jump kinematic variables were measured using accelerometry: sprint time, step length, step frequency, jump height and distance, contact time, concentric contact time, and flight time (Inform Sport Training Systems, Victoria, BC, Canada). The following jumps were completed in random order: bilateral countermovement vertical jump, bilateral countermovement horizontal jump, bilateral 40-cm drop vertical jump, bilateral 40-cm drop horizontal jump, unilateral countermovement vertical jump (UCV), unilateral countermovement horizontal jump, unilateral 20-cm drop vertical jump (UDV), and unilateral 20-cm drop horizontal jump (UDH). The trial with the best jump height or distance, reactive strength (jump height or distance/total contact time), and flight time to concentric contact time ratio (FT/CCT) was recorded to analyze the relationship between jump kinematics and sprint performance. None of the bilateral jump kinematics significantly correlated with 10- and 25-m sprint time, step length, or step frequency. Right-leg jump height (r = -0.71, p = 0.006, SEE = 0.152 seconds), FT/CCT (r = -0.58, p = 0.04, SEE = 0.176 seconds), and combined right and left-leg jump height (r = -0.61) were significantly correlated with the 25-m sprint time during the UCV. Right-leg FT/CCT was also significantly related to 25-m step length (r = 0.68, p = 0.03, SEE = 0.06 m) during the UDV. The combined right and left leg jump distance to standing height ratio during the UDH significantly correlated (r = -0.58) with 10-m sprint time. In comparison to bilateral jumps, unilateral jumps produced a stronger relationship with sprint performance.
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 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».