Power-to-Strength Ratio Influences Performance Enhancement with Contrast Training
Notice bibliographique
Résumé
PURPOSE: The effectiveness of contrast training (CST) for improving explosive exercise performance is modulated by various individual characteristics; however, further work is required to define these factors. METHODS: Subelite male Australian Football players (n = 22; age, 19 ± 2 yr; body mass, 80.4 ± 9.4 kg; one-repetition maximum [1-RM] half squat, 172 ± 18 kg; mean ± SD) completed two experimental trials involving two sets of squat jumps (six repetitions at 30% 1-RM) performed either alone (CTL condition) or after half squats (six repetitions at 85% 1-RM; CST condition). RESULTS: Squat jump peak power was similar between CTL and CST during set 1 (mean change: ±90% confidence interval, 2.8% ± 2.0%; effect size [ES]: ±90% confidence interval, 0.13 ± 0.09; P = 0.079) and set 2 (0.3% ± 1.7%; ES, 0.01 ± 0.08; P = 0.781). Peak power enhancement with CST was not related to maximal (1-RM half squat) strength (r = 0.001, P = 0.884), but was negatively correlated with both baseline peak power (r = 0.44, P < 0.001) and power-to-strength ratio (PSR); that is, the ratio between baseline peak power and 1-RM half squat strength (r = 0.65, P < 0.001). Using a median split, analyses were performed in participants with a low PSR (LPSR group; PSR = 15.4-19.1 W·kg; n = 11) or high PSR (HPSR group, PSR = 19.4-24.7 W·kg; n = 11). Peak power was enhanced with CST for the LPSR (8.1% ± 3.9%; ES, 0.44 ± 0.21; P = 0.004) but not HPSR (-2.1% ± 1.3%; ES, -0.14 ± 0.09; P = 0.010) groups. CONCLUSION: The PSR appears to influence the effectiveness of CST, with performance enhancement more likely in those with a lower PSR.
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 | 0,002 |
| 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) | 0,002 | 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 ».