Investigation of Positional Differences in Fitness of Male University Ice Hockey Players and the Frequency, Time Spent and Heart Rate of Movement Patterns during Competition
Notice bibliographique
Résumé
Background: Men’s university ice hockey has received little scientific attention over the past 30 years, a time in which the traits of the players and the demands of the game have evolved. Objectives: This study compared the physiological characteristics of university ice hockey players and examined the frequency and duration of the different movement patterns and heart rate (HR) responses during competition. Methods: Twenty male ice hockey players from the same team ( age ± SD = 22±2 years) underwent a fitness evaluation and were filmed and HR monitored during regular season games. Results: Forwards and defense had similar fitness and only differed on % fatigue index and peak heart during on-ice sprinting (P<0.05). Defense stood, glided and skated backwards more than forwards and forwards skated at a moderate intensity and glided forward more than defense (P<0.05). All players spent the majority of game time gliding forward (60% of the time) followed by skating forward at a moderate intensity (17%) and standing with little movement (9%). Average HR during the game reached 96 and 92 % and peak HR was 100 and 96 % of maximum in forwards and defense, respectively. Conclusions: Male university hockey players present with a high level of physical fitness in a variety of categories with few differences between forwards and defense. Movement patterns during games suggest that players are performing low to moderate intensity on-ice activities the majority of the time. Paradoxically, HR continues to climb to near maximum during on ice shifts.
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 | 0,001 |
| 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 ».