MétaCan
Menu
Retour à la cohorte
Enregistrement W2762982302 · doi:10.1080/24748668.2017.1384975

Physical demand of wheelchair tennis match-play on hard courts and clay courts

2017· article· en· W2762982302 sur OpenAlexaff
Matteo Ponzano, Massimiliano Gollin

Notice bibliographique

RevueInternational Journal of Performance Analysis in Sport · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWheelchairHeart rateEnergy expenditureMathematicsAthletesPower (physics)Significant differencePsychologyStatisticsSimulationAnimal sciencePhysical therapyMedicineComputer sciencePolitical sciencePhysicsLawBiology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to define the performance model of wheelchair tennis, by means of 20 Hz GPS together with heart rate monitors, while also investigating potential surface-related differences. Hence, 12 matches performed by 12 nationally ranked wheelchair tennis players were examined. Each athlete played one match on the clay and one on the hard court according to a counterbalanced design, and the data regarding the parameters of maximum heart rate (HRmax), average heart rate (HRav), maximum speed (SPmax), average speed (SPav), maximum acceleration (ACCmax), maximum deceleration (DECmax), maximum metabolic power (MPmax), average metabolic power (MPav) and energy expenditure (EE) were analysed. The average match duration was 82 ± 16 min on clay courts (C) and 68 ± 17 min on hard courts (H) (p = .06), while the distance covered is greater, but not significant, on clay courts (C > H, +10%). The t-test did not highlight significant differences pertaining to the playing surface. The linear regression showed significant values concerning the distance covered (C: p < .0001, r2 = .82, H: r2 = .81) and the energy expenditure (C: p < .05, r2 = .5, H: r2 = .9). The playing surface does not affect the performance of competitive wheelchair tennis athletes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,384
Écart entre enseignants0,359 · 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 tête enseignante, 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Performance Analysis in SportMême sujetSpinal Cord Injury ResearchTravaux en français237 207