Does Warm-Up Have a Beneficial Effect on 100-m Freestyle?
Notice bibliographique
Résumé
PURPOSE: To investigate the effect of warm-up on 100-m swimming performance. METHODS: Twenty competitive swimmers (with a training frequency of 8.0 ± 1.0 sessions/wk) performed 2 maximal 100-m freestyle trials on separate days, with and without prior warm-up, in a counterbalanced and randomized design. The warm-up distance totaled 1000 m and replicated the swimmers' usual precompetition warm-up strategy. Performance (time), physiological (capillary blood lactate concentrations), psychophysiological (perceived exertion), and biomechanical variables (distance per stroke, stroke frequency, and stroke index) were assessed on both trials. RESULTS: Performance in the 100-m was fastest in the warm-up condition (67.15 ± 5.60 vs 68.10 ± 5.14 s; P = .01), although 3 swimmers swam faster without warm-up. Critical to this was the 1st 50-m lap (32.10 ± 2.59 vs 32.78 ± 2.33 s; P < .01), where the swimmers presented higher distance per stroke (2.06 ± 0.19 vs. 1.98 ± 0.16 m; P = .04) and swimming efficiency compared with the no-warm-up condition (stroke index 3.46 ± 0.53 vs 3.14 ± 0.44 m2 · c1 · s1; P < .01). Notwithstanding this better stroke-kinematic pattern, blood lactate concentrations and perceived exertion were similar between trials. CONCLUSIONS: These results suggest that swimmers' usual warm-up routines lead to faster 100-m freestyle swimming performance, a factor that appears to be related to better swimming efficiency in the 1st lap of the race. This study highlights the importance of performing swimming drills (for higher distance per stroke) before a maximal 100-m freestyle effort in similar groups of swimmers.
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 | 0,000 | 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 | 0,000 |
| 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 ».