Effects of in-season short-term aerobic and high-intensity interval training program on repeated sprint ability and jump performance in handball players
Notice bibliographique
Résumé
BACKGROUND: This study examined the effects of a 7-week in-season aerobic and high-intensity interval-training program on performance tests linked to successful handball play (e.g., repeated sprint and jumping ability). METHODS: Thirty participants (age 17.0±1.2 years, body mass 81.1±3.4 kg, height 1.82±0.07 m) performed a Yo-Yo Intermittent Recovery Test level 1 (Yo-Yo IR1), a squat (SJ) and a Countermovement Jump Test (CMJ), as well as a repeated Sprint Ability Test (RSA). From this, maximal aerobic speed (MAS, reached at the end of the Yo-Yo IR1), jumping ability, best time in a single sprint trial (RSAbest), total time (RSATT) and the performance decrement (RSAdec) during all sprints were calculated. Later, subjects were randomly assigned to a control group (CG; N.=15) performing their normal training schedule (5 weekly sessions of ~90 minutes of handball training) or an experimental group (EG; N.=15). The EG performed two 30 min sessions per week of high-intensity aerobic exercises at 100-130% of MAS in addition to their normal training schedule. RESULTS: A significant improvement in MAS (d=4.1), RSAbest (d=1.9), RSATT (d=1.5) and RSAdec (d=2.3) after the training period was demonstrated. Also, significant interaction effects (time x group) were found for all parameters as the EG significantly improved performances in all tests after training. The greatest interaction effects were observed in MAS (η2=0.811) and CMJ (η2=0.759). No relevant changes in test performances were found in the CG (mean d=-0.02). CONCLUSIONS: These results indicate that individually speed-controlled aerobic and interval training is effective for improving specific handball 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 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 | 0,001 |
| 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 ».