Monitoring the Prescribed and Experienced Heart Rate–Derived Training Loads in Elite Field Hockey Players
Notice bibliographique
Résumé
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».