Examining the influence of physical size among major league pitchers
Notice bibliographique
Résumé
BACKGROUND: Among professional pitchers, anthropometric changes and their effect on statistics are relatively unknown. Bivariate analyses and repeated one-way ANOVA evaluated the impact of physical size on baseball pitching statistics and attributes within an elite talent sample of Major League pitching leaders. METHODS: Body Mass Index (BMI) was calculated from publicly available players' heights and weights to form a statistical database of 1028 pitching leaders from 1950-2010. Repeated measures ANOVAs examined differences in anthropometrics and baseball statistics between decades 1950-2010. Bivariate correlation evaluated BMI as an independent variable of influence on statistics, where all tests applied an a-priori significance level (P<0.05). RESULTS: BMI increased throughout the sixty year period with weight growth greater than height (P<0.001). Increased BMI reported earlier signing age, and age of debut (P<0.05), where larger pitchers showed small positive correlation seen among saves (P<0.001) concurrent to negative correlation with innings pitched and complete games (P≤0.001), as well as shutouts (P<0.05). A contrast between saves and complete games pitched was found where saves increased over time (P<0.001) while complete games pitched declined (P<0.001). CONCLUSIONS: Over time, throwing workloads showed better management for larger starting pitchers with less innings pitched and complete games thrown added to an extra rest day in the pitching rotation. In contrast, paralleled increases in physical size with recorded saves at present requires greater medical and training attention to protecting the throwing arm of the larger relief pitchers, as increased body size can increase force properties and ball velocity owing to greater injury risks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».