Relationship of Physiological Fitness Tests and Early Career Hockey Success in Elite Ice Hockey Players
Notice bibliographique
Résumé
Talent identification in professional sport is an important component for building a successful team. In an effort to improve athlete identification, physiological fitness assessments are included in a number of leagues, and attempts have been made to quantify the predictive ability of individual tests. In the National Hockey League (NHL), physiological fitness measures have been shown to correlate with draft selection order, but less subjective rankings of success have previously not been considered. PURPOSE: To determine the predictive ability of draft-age physiological fitness test outcomes to forecast the cumulative total games played within the player’s first 3 consecutive NHL seasons. Games played are an accepted indicator of success at the professional level. METHODS: Multiple linear regression modeling was used with NHL Combine data (1998-2007) for a total of 451 players, who played ≥1 game per year during their first 3 NHL seasons. Separate models were developed for forwards and defense, given the differing physiological profiles and positional demands. RESULTS: For defensemen, the variables of vertical jump (VJ), push-ups, bench press, and body index were included in the final model (p=0.001, r2=0.15). The regression equation to predict number of games played by defensemen over 3yr was: total games= 177 -0.979 (VJ) + 4.068(max push up) -3.87(max bench press) +9.5 (Body index). The only predictive variable for forward players was push up repetitions (p=0.01, r2=0.04); total games =193.1 -2.3(max push-up). CONCLUSION: NHL Combine data was useful for explaining approximately 4% (forward) and 15% (defense) of the variance in games played amongst players who played ≥3yr in the league, suggesting a modest predictive ability. Upper body strength proved an important predictor for both models, while leg power was identified as a predictor only in defensemen. Homogeneity in performance amongst such elite athletes may explain the absence of more traditional measures of physiological fitness (VO2max, anaerobic power) within the predictive models, as a high level of these physiological traits is obligatory for all players who remained in the league at least three years.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».