Relationship Between Physical Qualities and Minutes Played in International Women’s Rugby Sevens
Notice bibliographique
Résumé
PURPOSE: To investigate the physical qualities that differentiate playing minutes in international-level women's rugby sevens players. METHODS: Twenty-four national-level female rugby sevens players underwent measurements of anthropometry, acceleration, speed, lower- and upper-body strength, lower-body power, and aerobic fitness. Playing minutes in international competition were used to differentiate players into 2 groups, a high- or low-playing-minutes group. Playing minutes were related to team selection, which was determined by the coaching staff. Playing minutes were therefore used to differentiate performance levels. RESULTS: Players in the high-playing-minutes group (≥70 min) were older (mean ± SD 24.3 ± 3.1 vs 21.2 ± 4.3 y, P = .05, effect size [ES] = 0.77 ± 0.66, 90% confidence limit) and had greater experience in a national-training-center environment (2.4 ± 0.8 vs 1.7 ± 0.9 y, P = .03, ES = 0.83 ± 0.65), faster 1600-m time (374.5 ± 20.4 vs 393.5 ± 29.8 s, P = .09, ES = -0.70 ± 0.68), and greater 1-repetition-maximum upper-body strength (bench press 68.4 ± 6.3 vs 62.2 ± 8.1 kg, P = .07, ES = 0.80 ± 0.70, and neutral-grip pull-up 84.0 ± 8.2 vs 79.1 ± 5.4 kg, P = .12, ES = 0.68 ± 0.72) than athletes who played fewer minutes. Age (rs = .59 ± ~.28), training experience (rs = .57 ± ~.29), bench press (r = .44 ± ~.36), and 1600-m time (r = -.43 ± ~.34) were significantly associated with playing minutes. Neutral-grip pull-up and bench press contributed significantly to a discriminant analysis. The average squared canonical correlation was .46. The discriminant analysis predicted 7 of 9 and 6 of 10 high- and low-playing-minutes athletes, respectively. CONCLUSIONS: Age, training experience, upper-body strength, and aerobic fitness differentiated athlete playing minutes in international women's rugby sevens.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».