Relationship Between Physiologic Tests, Body Composition Changes, and On-Ice Playing Time in Canadian Collegiate Hockey Players
Notice bibliographique
Résumé
Delisle-Houde, P, Chiarlitti, NA, Reid, RER, and Andersen, RE. Relationship between physiologic tests, body composition changes, and on-ice playing time in canadian collegiate hockey players. J Strength Cond Res 32(5): 1297-1302, 2018-Hockey player's body composition and physical fitness are suggested to influence coaching decisions regarding on-ice playing time. The purpose of this study was to explore the relationship between seasonal body composition changes, off-ice preseason testing, and on-ice metrics. Twenty-one Canadian collegiate hockey players (22.70 ± 1.30 years old, 181.0 ± 5.92 cm, 86.52 ± 6.41 kg) underwent off-ice physical testing at the beginning of their season and had one total body dual energy x-ray absorptiometry scan at the beginning and end of the season. The team's statistician tracked all on-ice metrics. Pearson correlations were used to explore relationships between off-ice tests (long jump, vertical jump, beep test, and Wingate test), change in body composition (body fat percentage, visceral adiposity, and total lean tissue mass), and on-ice performance (average time on ice, average shift length, power play time, penalty kill time, and shot differential). Long jump was correlated with shot differential (r = -0.532, p ≤ 0.05) and average shift length (r = -0.491, p ≤ 0.05) while fatigue index was correlated with average ice time (r = -0.476, p ≤ 0.05). Hockey performance is a complex interaction of player's body compositions and skeletal fitness that interact to affect on-ice playing metrics.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».