Age-related Effects of Speed and Power on Agility Performance of Young Soccer Players
Notice bibliographique
Résumé
The purpose of this study is to determine the age-related effects of power and running speed on agility ability of young soccer players. A total of eighty-one soccer players, who do not have professional contracts with any professional club but play for various local and school teams on a regular basis, have participated (mean age: 17.7±1.16, range 16–19) in this study. Tests consist of anthropometric variables, power and speed measurements, and the agility test (T-Agility). At the completion of the warm-up protocol, players completed assessments of countermovement jump (CMJ), squat jump (SJ), speed (10-, and 30-m sprints, respectively), and the agility test (Agility T-Test). An analysis of variance (ANOVA) analysis was used to compare the parameters between each group and Pearson correlation analyses were applied to determine the relationships between agility test, speed, and power. When evaluated by age, only U16 players displayed moderate correlation between Agility T-Test and S10m and S30m (P<0.05). The only significantly weak correlation was found between the Agility T-Test and S30m for U19 players (P<0.05). Similarly, the only significantly weak correlation was found between the Agility T-Test and CMJ and SJ for U19 players (P<0.05). In conclusion, the results showed that speed and lower extremity power should not be considered as important predictors of agility performance in young athletes.
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 ».