Comparison of the Capacity of Different Jump and Sprint Field Tests to Detect Neuromuscular Fatigue
Notice bibliographique
Résumé
Different jump and sprint tests have been used to assess neuromuscular fatigue, but the test with optimal validity remains to be established. The current investigation examined the suitability of vertical jump (countermovement jump [CMJ], squat jump [SJ], drop jump [DJ]) and 20-m sprint (SPRINT) testing for neuromuscular fatigue detection. On 6 separate occasions, 11 male team-sport athletes performed 6 CMJ, SJ, DJ, and 3 SPRINT trials. Repeatability was determined on the first 3 visits, with subsequent 3 visits (0-, 24-, and 72-hour postexercise) following a fatiguing Yo-Yo running protocol. SPRINT performance was most repeatable (mean coefficient of variation ≤2%), whereas DJ testing (4.8%) was significantly less repeatable than CMJ (3.0%) and SJ (3.5%). Each test displayed large decreases at 0-hour (33 of 49 total variables; mean effect size = 1.82), with fewer and smaller decreases at 24-hour postexercise (13 variables; 0.75), and 72-hour postexercise (19 variables; 0.78). SPRINT displayed the largest decreases at 0-hour (3.65) but was subsequently unchanged, whereas SJ performance recovered by 72-hour postexercise. In contrast, CMJ and DJ performance displayed moderate (12 variables; 1.18) and small (6 variables; 0.53) reductions at 72-hour postexercise, respectively. Consequently, the high repeatability and immediate and prolonged fatigue-induced changes indicated CMJ testing as most suitable for neuromuscular fatigue monitoring.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».