Can Collegiate Hockey Players Accurately Predict Regional and Total Body Physiologic Changes throughout the Competitive Season?
Notice bibliographique
Résumé
A collegiate athlete’s body composition can fluctuate due to factors such as nutrition, sleep, and training load. As changes in body composition can affect an athlete’s level of performance, it may be beneficial if athlete’s can accurately predict these changes throughout a season. The purpose of this study was to determine how well a group of 23 male collegiate hockey players (age = 22.44 ± 1.16 years, height = 181.30 ± 6.99 cm, weight = 86.41 ± 8.32 kg) could predict their regional and total body lean and fat tissue mass throughout a hockey season (September to March). Total body, trunk, lower body, and upper body compositional changes were measured at the beginning and at the end of the competitive season using dual energy X-Ray absorptiometry (DXA). At the end of the season, a questionnaire was completed by each participant to explore how they perceived their body composition changes (losses or gains in lean tissue and fat mass) throughout the season. Overall, players had a difficult time identifying actual changes in lean tissue and fat mass throughout the season. Upper body fat and lean tissue changes were perceived most accurately, while perceptions of body fat were related to android adiposity but not visceral adiposity. These findings suggest that some regional areas of body composition changes may happen without being noticed. For strength and conditioning coaches, if athletes are made aware of these changes before they become exaggerated, proper dietary, and training adaptations can be made to enhance performance.
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 ».