Biofeedback and physiological reactivity in high-performance athletes
Notice bibliographique
Résumé
Pressure and stress are salient experiences for high-performance athletes. Consequently, many of these athletes struggle to manage the demands of sport. High-performance athletes must adapt to changing performance demands, pressure and heightened psychophysiological activity; failure to do so reduces performance. Failure for athletes to self-regulate their psychophysiological responses impairs concentration, attention, motor functioning and coordination, and increases distraction. Sustained sympathetic nervous system activation associated with arousal responses leads to deteriorating health outcomes including depression, illness and burnout. This further emphasizes the importance of athletes having effective coping and self-regulatory strategies to optimize recovery in sport. Researchers who study biofeedback (BF) training assert that it is an effective method for athletes to achieve superior performance under pressure and optimal recovery. In this study, I explored the effects of BF training on psychophysiological recovery (skin conductance and respiration rate) and reaction time in university-level athletes (N = nine). Participants were randomized into experimental and control conditions and underwent a baseline assessment, a training phase and follow-up assessment. Experimental participants received five sessions of BF respiration training and the control participants underwent five sessions of guided breathing training, without the use of BF equipment. Using nonparametric analyses, no significant differences were found in the variables of interest between the groups. However, interesting trends were observed for changes in the skin conductance response and respiration rate. Implications for athletes' performance, coping and recovery and limitations to this study will be discussed. Keywords: biofeedback, athletes, psychophysiological arousal, self-regulation, recoveryAcknowledgments: Dr. Adrienne Leslie-Toogood, Dr. Melanie Gregg, Dr. Lorna Jakobson
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».