MétaCan
Menu
← Retour à la cohorte
Enregistrement W2610273254 · doi:10.31979/etd.2n98-snrp

The Effect of Heavy Quarter Squats on Vertical Jump in Female Athletes

2016· dissertation· en· W2610273254 sur OpenAlexaboutno aff
Matthew Alan Haack

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCountermovementSquatJumpAthletesVertical jumpPhysical therapyQuarter (Canadian coin)Physical medicine and rehabilitationPsychologyMathematicsMedicineGeography

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine whether multiple, heavy quarter squats could acutely improve countermovement jump (CMJ) height through the mechanism of postactivation potentiation (PAP). Eleven female, collegiate volleyball and basketball athletes were recruited for this study. Forty-eight hours after determining their quarter squat one repetition max (1RM), the participants were brought back to the gymnasium and performed baseline CMJs, followed by the conditioning stimulus of five quarter squats at 90% of their 1RM. CMJs were then executed at 2 min, 4 min, and 6 min poststimulus. A comparison of the means showed increases between baseline jumps and poststimulus jumps of 0.59 in (1.50 cm), 0.46 in (1.17 cm), and 0.76 in (1.93 cm) at the 2 min, 4 min, and 6 min time points, respectively. The means demonstrated a slight improvement from pre to post, but a repeated measures ANOVA showed no significant difference between baseline and poststimulation CMJs, F(3,11) = 1.608, p = .262. The statistical power of the study was 28%. Future studies may need more participants to obtain greater power even though an a priori power analysis showed a minimum of 9 participants was needed to achieve 80% power. The results are encouraging, but the findings are not yet applicable to current training paradigms for college-age women. More research using this and other designs with female samples is necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,299
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSports Performance and Training→Travaux en français237 207→