MétaCan
Menu
Retour à la cohorte
Enregistrement W2301524254 · doi:10.1519/jsc.0000000000001406

Do Lower-Body Dimensions and Body Composition Explain Vertical Jump Ability?

2016· article· en· W2301524254 sur OpenAlexaff
Johnpaul Caia, Lawrence W. Weiss, Loren Z.F. Chiu, Brian K. Schilling, Max R. Paquette, George Relyea

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCountermovementAnthropometryVertical jumpMathematicsLower limbBody weightLower bodyJumpBody fat percentageAnimal scienceMedicinePhysical therapyInternal medicinePhysicsSurgeryBiology

Résumé

récupéré en direct d'OpenAlex

Caia, J, Weiss, LW, Chiu, LZF, Schilling, BK, Paquette, MR, and Relyea, GE. Do lower-body dimensions and body composition explain vertical jump ability? J Strength Cond Res 30(11): 3073-3083, 2016-Vertical jump (VJ) capability is integral to the level of success attained by individuals participating in numerous sport and physical activities. Knowledge of factors related to jump performance may help with talent identification and/or optimizing training prescription. Although myriad variables are likely related to VJ, this study focused on determining if various lower-body dimensions and/or body composition would explain some of the variability in performance. Selected anthropometric dimensions were obtained from 50 university students (25 men and 25 women) on 2 occasions separated by 48 or 72 hours. Estimated body fat percentage (BF%), height, body weight, hip width, pelvic width, bilateral quadriceps angle (Q-angle), and bilateral longitudinal dimensions of the feet, leg, thigh, and lower limb were obtained. Additionally, participants completed countermovement VJs. Analysis showed BF% to have the highest correlation with countermovement VJ displacement (r = -0.76, p < 0.001). When examining lower-body dimensions, right-side Q-angle displayed the strongest association with countermovement VJ displacement (r = -0.58, p < 0.001). Regression analysis revealed that 2 different pairs of variables accounted for the greatest variation (66%) in VJ: (a) BF% and sex and (b) BF% and body weight. Regression models involving BF% and lower-body dimensions explained up to 61% of the variance observed in VJ. Although the variance explained by BF% may be increased by using several lower-body dimensions, either sex identification or body weight explains comparatively more. Therefore, these data suggest that the lower-body dimensions measured herein have limited utility in explaining VJ 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 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)0,002
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 enseignants0,465
Score d'incertitude au seuil0,283

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,035
Tête enseignante GPT0,354
Écart entre enseignants0,318 · 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

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetSports Performance and TrainingTravaux en français237 207