MétaCan
Menu
Retour à la cohorte
Enregistrement W2792613977 · doi:10.1519/jsc.0000000000002474

Monitoring the Prescribed and Experienced Heart Rate–Derived Training Loads in Elite Field Hockey Players

2018· article· en· W2792613977 sur OpenAlexaff
Andrew S. Perrotta, Jack Taunton, Michael S. Koehle, Matthew D. White, Darren E. R. Warburton

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésField hockeyPhysical therapyMedicineConfidence intervalLeagueTraining (meteorology)Heart rateStrength trainingSignificant differenceMathematicsStatisticsPsychologyPhysical medicine and rehabilitationInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Perrotta, AS, Taunton, JE, Koehle, MS, White, MD, and Warburton, DER. Monitoring the prescribed and experienced heart rate-derived training loads in elite field hockey players. J Strength Cond Res 33(5): 1394-1399, 2019-This study examined the congruence between the prescribed and experienced heart rate-derived training loads over a 5-week periodized mesocycle. Twenty-four elite female field hockey players training as part of a national team were monitored before an (FIH) Hockey World League tournament. Three on-field training sessions per week were prospectively designed focusing on technical, tactical, and physiologically oriented hockey drills. A training load value, modeling the periodized weekly loading scheme, was prescribed for each training session and was calculated using normative training load responses from performing on-field hockey drills. Magnitude-based inferences focusing on the effect size (ES) and a Pearson correlation coefficient (r) were used to examine the degree of difference and the strength of correlation between the prescribed and experienced training loads. A significant correlation was observed between the experienced and prescribed training loads over the 5-week mesocycle (r = 0.92, 90% confidence limit [CL] [0.84-0.96]). The percentage difference and the ES between the achieved and prescribed training loads were as follows: week 1 demonstrated a 2.0% difference (ES = 0.10, 90% CL [-0.22-0.41]), week 2 a -5.4% difference (ES = -0.41, 90% CL [-0.75 to -0.07]), week 3 a -1.5% difference (ES = -0.09, 90% CL [-0.37 to 0.20]), week 4 a 7.1% difference (ES = 0.46, 90% CL [0.14-0.78]), and week 5 a 3.5% difference (ES = 0.18, 90% CL [-0.17 to 0.53]). This investigation demonstrates the efficacy for coaches to prospectively design on-field training sessions using normative training load data to enhance the congruence between the prescribed and experienced training loads over a periodized mesocycle.

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)0,002
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 enseignants0,291
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,381
Écart entre enseignants0,308 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetSports Performance and TrainingTravaux en français237 207