MétaCan
Menu
Retour à la cohorte
Enregistrement W2166006410 · doi:10.1123/ijspp.2014-0073

Assessment and Monitoring of Ballistic and Maximal Upper-Body Strength Qualities in Athletes

2014· article· en· W2166006410 sur OpenAlexaff
Kieran Young, Robert U. Newton, Tim J. Gabbett, Jeremy M. Sheppard

Notice bibliographique

RevueInternational Journal of Sports Physiology and Performance · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensCanadian Sport Centre Pacific
Organismes subventionnairesnon disponible
Mots-clésBench pressIsometric exerciseAthletesStrength trainingMathematicsPhysical therapyMedicinePhysical medicine and rehabilitationMaterials scienceResistance training

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate whether the dynamic strength index (DSI: ballistic peak force/isometric peak force) could be effectively used to guide specific training interventions and detect training-induced changes in maximal and ballistic strength. METHODS: Twenty-four elite male athletes were assessed in the isometric bench press and a 45% 1-repetition-maximum (1RM) ballistic bench throw using a force plate and linear position transducer. The DSI was calculated using the peak force values obtained during the ballistic bench throw and isometric bench press. Athletes were then allocated into 2 groups as matched pairs based on their DSI and strength in the 1RM bench press. Over the 5 wk of training, athletes performed either high-load (80-100% 1RM) bench press or moderate-load (40-55% 1RM) ballistic bench throws. RESULTS: The DSI was sensitive to disparate training methods, with the bench-press group increasing isometric bench-press peak force (P=.035, 91% likely), and the ballistic-bench-throw group increasing bench-throw peak force to a greater extent (P≤.001, 83% likely). A significant increase (P≤.001, 93% likely) in the DSI was observed for both groups. CONCLUSIONS: The DSI can be used to guide specific training interventions and can detect training-induced changes in isometric bench-press and ballistic bench-throw peak force over periods as short as 5 wk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,313
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Physiology and PerformanceMême sujetSports Performance and TrainingTravaux en français237 207