Predicting On-Ice Skating Using Laboratory- and Field-Based Assessments in College Ice Hockey Players
Notice bibliographique
Résumé
PURPOSE: To determine the predictability of common laboratory/field and novel laboratory tests for skating characteristics in Canadian college ice hockey players. METHODS: A total of 18 male hockey players from the university's varsity hockey team age 20-25 y (height 180.7 [6.4] cm, weight 87.1 [6.7] kg, and body fat 16.2% [4.0%]) completed common laboratory-/field-based testing (ie, standing long jump, vertical jump, off-ice proagility, V˙O2max, Wingate), novel laboratory-based testing (ie, Biodex dynamometer, dual-energy X-ray absorptiometry scan), and on-ice testing (ie, 30-m forward sprint, 30-m backward sprint, on-ice proagility). RESULTS: Pearson correlations and stepwise regression revealed relationships between on-ice forward sprint and 4 off-ice tests (Wingate relative peak power [r = -.62, P < .01], standing long jump [r = -.45, P < .05], off-ice proagility left [r = .51, P < .05], and vertical jump impulse [r = .60, P < .01]). On-ice proagility left was correlated with off-ice proagility left (r = .47, P < .05), Wingate relative peak power (r = -.55, P < .01), and vertical jump impulse (r = -.53, P < .05). The 30-m backward skating test and the on-ice proagility right were not correlated with any off-ice test. CONCLUSION: Commonly used laboratory/field tests are effective in predicting 2 important primary abilities in ice hockey.
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 ».