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 (CS 30 ) and 60 s (CS 60 ) of rest were allotted between each repetition. Repeated-measures ANOVA revealed greater (p = 0.022) mean barbell velocity on CS 60 compared with the traditional set. However, faster (p < 0.040) 20-m sprint times were observed for CS 30 (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 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 ».