Countermovement Jump Performance with Increased Training Loads in Elite Female Rugby Athletes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Countermovement jump (CMJ) performance is typically analyzed through single-point concentric-based variables (e. g., peak power or force and height). However, methodological approaches examining movement strategies may be more sensitive to neuromuscular fatigue. 12 elite female rugby sevens athletes undertook weekly CMJ testing throughout a 6-week training block involving progressively increased training loads. Athletes self-reported training load (TRIMP) and wellness daily. 22 CMJ variables were assessed, incorporating analyses of force, velocity, power and time measured during eccentric and concentric jump phases. Differences over time were examined using the magnitude of change (effect sizes; ES) compared to baseline. Pearson correlations examined relationships between CMJ variables, wellness and TRIMP. TRIMP displayed large increases (mean ES; weeks 2-6: 2.47). Wellness decreased in week 3 (-0.41), with small reductions following (weeks 4-6: -0.34). Flight time (weeks 3-6: -1.84), peak displacement (weeks 2-6: -2.24), time to peak force (weeks 3-6: 2.58), force at zero velocity (F@0V) (weeks 5-6: -1.28) displayed multiple changes indicative of diminished neuromuscular function. Wellness scores and max rate of force development (mean; r=0.32), F@0V (r=0.28) and flight time (r=0.34) displayed positive correlations. Intensified training decreased CMJ output and altered CMJ mechanics. Longitudinal neuromuscular fatigue monitoring of team-sport athletes appears improved through CMJ mechanics analysis.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle