New Approach in Assessing Core Muscle Endurance Using Ratings of Perceived Exertion
Notice bibliographique
Résumé
George, JD, Tolley, JR, Vehrs, PR, Reece, JD, Akay, MF, and Cambridge, EDJ. New approach in assessing core muscle endurance using ratings of perceived exertion. J Strength Cond Res 32(4): 1081-1088, 2018-This study sought to develop regression models to estimate maximal endurance time using data from 4 core muscle endurance tests. Eighty healthy university students (age: 22.7 ± 1.9 years) performed the plank, right side-bridge, left side-bridge, and back extension tests in a random order. Participants were instructed to hold each static position for a maximal endurance time, while maintaining proper form, and then rest for 5 minutes between tests. A test administrator recorded participants' ratings of perceived exertion (RPE; a modified 10-point scale) every 5 seconds. Based on regression analysis, the elapsed time to reach an RPE of 8 (RPE8) exhibited statistical significance (p < 0.0001) and the highest accuracy as compared with lower RPE values. The following univariate regression models were generated to estimate maximal endurance time across the 4 tests: plank (r = 0.94; standard error of estimate [SEE] = 17.6 seconds; n = 77) = 23.9 + (1.110 × RPE8); right side-bridge (r = 0.92; SEE = 11.4 seconds; n = 80) = 18.5 + (1.022 × RPE8); left side-bridge (r = 0.93; SEE = 10.8 seconds; n = 80) = 16.8 + (1.062 × RPE8); and back extension (r = 0.93; SEE = 14.2 seconds; n = 79) = 21.5 + (1.027 × RPE8). These results suggest that submaximal protocols based on elapsed time to reach RPE8 provide strength and conditioning professionals relatively accurate univariate regression equation estimates of maximal core muscle endurance time and offer a viable submaximal alternative to maximal capacity testing when time efficiency, participant safety, or certain educational objectives may be a priority.
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 | 0,002 | 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 | 0,001 |
| 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 ».