Validity of field assessments to predict peak muscle power in preschoolers
Notice bibliographique
Résumé
Field-based fitness assessments are time- and cost-efficient. However, no studies to date have reported the predictive value of field-based musculoskeletal fitness assessments in preschoolers. The purpose of this study was to determine the validity of 2 field assessments to predict peak muscle power in preschool-aged children. Four-hundred and nineteen 3- to 5-year olds participated (208 girls, 211 boys; mean age: 4.5 ± 0.9 years). Peak power (PP) was evaluated using a modified 10-s Wingate protocol as the criterion standard. Standing long-jump was measured in inches to the back of the heel using a 2-footed takeoff and landing. Shuttle-run time was measured using a shuttle-run protocol, which required children to sprint 50 feet (15.2 m), pick up a small block, and sprint back, with time measured to the closest tenth of a second. Regression modelling was used to calculate the predictive power of each field-based measurement, adjusting for weight (kg), age, and sex. Both standing long-jump distance and shuttle-run time were significantly correlated with PP (r = 0.636, p < 0.001, and r = –0.684, p < 0.001, respectively). Linear regression analysis determined that a child’s PP can be predicted from the child’s weight, age, and sex and either standing long-jump or shuttle-run time (adjusted R 2 = 0.79, p < 0.001, and 0.81, p < 0.001, respectively). The standing long-jump and the Bruininks Oseretsky Test of Motor Proficiency 2nd Edition shuttle-run are both significant predictors of peak muscle power in preschool children. Either measure can be used as a cost- and time-efficient estimate of musculoskeletal fitness in preschoolers.
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 ».