The effect of resistance training set configuration on strength, power, and hormonal adaptation in female volleyball players
Notice bibliographique
Résumé
The primary purpose of this investigation was to determine the impact of altering the set structure during an 8-week resistance training program on anthropometric, hormonal, and strength power characteristics. Thirty female volleyball players were recruited for participation and then randomly assigned to 1 of 3 resistance training groups: (i) cluster sets (CRT; n = 10), (ii) traditional sets (TRT; n = 10), or (iii) control (CON; n = 10). All athletes were evaluated for thigh and arm circumference, vertical jump, 20-m sprint, 4 × 9-m shuttle-run, 1-repetition maximum (1RM) back squat, bench press, military press, and deadlift prior to and after an 8-week periodized training intervention. Blood samples were taken before and after the 8-week training period to evaluate resting testosterone, cortisol, and insulin-like growth factor 1 responses to the training period. After 8 weeks of training the CRT group displayed a small but significant improvement in vertical jump (CRT: effect size (ES) = 038, 7.1%) performance when compared with the TRT group (ES = 0.34, 5.6%). Both the CRT and TRT training interventions resulted in very large increases in the 1RM squat (CRT: 8.4% ± 1.2%; TRT: 7.3% ± 0.6%), bench press (CRT: 8.3% ± 2.0%; TRT: 8.7% ± 1.9%), military press (CRT: 5.7% ± 1.2%; TRT: 5.5% ± 1.6%), and deadlift (CRT: 8.2% ± 1.6%; TRT: 8.3% ± 2.2%). There were no significant differences in 20-m sprint or 4 × 9-m shuttle run times between the CRT, TRT, and CON groups. These results suggest that cluster sets allow for greater improvements in vertical jump performance and equal improvements in strength gains to those seen with traditional sets.
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 ».