Effect of cluster set warm-up configurations on sprint performance in collegiate male soccer players
Notice bibliographique
Résumé
The purpose of this study was to determine if back squat cluster sets (CS) with varying inter-repetition rest periods would potentiate greater sprint performance compared with a traditional set parallel back squat in collegiate soccer players. Twelve collegiate male soccer players (age, 21.0 ± 2.0 years; height, 180.0 ± 9.0 cm; body mass, 79.0 ± 9.5 kg) performed a 20-m sprint prior to a potentiation complex and at 1, 4, 7, and 10 min postexercise on 3 separate, randomized occasions. On each occasion, the potentiation complex consisted of 1 set of 3 repetitions at 85% 1-repetition maximum (1RM) for the traditional parallel back squat. However, on 1 occasion the 3-repetition set was performed in a traditional manner (i.e., continuously), whereas on the other 2 occasions, 30s (CS30) and 60 s (CS60) of rest were allotted between each repetition. Repeated-measures ANOVA revealed greater (p = 0.022) mean barbell velocity on CS60 compared with the traditional set. However, faster (p < 0.040) 20-m sprint times were observed for CS30 (3.15 ± 0.16 s) compared with traditional (3.20 ± 0.17 s) only at 10 min postexercise. No other differences were observed. These data suggest that a single cluster set of 3 repetitions with 30-s inter-repetition rest periods at 85% 1RM acutely improves 20-m sprinting performance. Strength and conditioning professionals and their athletes might consider its inclusion during the specific warm-up to acutely improve athletic performance during the onset (≤10 min) of training or competition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».