The Differences in Pacing Among Age Groups of Amateur Cross-Country Skiers Depend on Performance
Notice bibliographique
Résumé
Abstract Pacing strategies have mainly been investigated for runners, but little is known for cross-country skiers. The aim of the present study was to examine the effects of performance and age on pacing strategies in cross-country skiing. All finishers (women, n = 19,375; men, n = 86,190) in the ‘Engadin Ski Marathon’ (42 km) between 1998 and 2016 were analysed for the percentage change of speed at 10 km (Change A), 20 km (Change B) and 35 km (Change C). They were classified in performance groups according to quartiles of average race speed (Q1, Q2, Q3 and Q4) and in 5-year age groups (<20, 20-24, 25-29… 85-89 years). Men were faster than women by +14.3% (15.2 ± 4.0 vs. 13.3 ± 3.3 km/h; p < 0.001, η2 = 0.215). A small impact of age group × performance group interaction on Change A was shown in women (p < 0.001, η2 = 0.026) and men (p < 0.001, η2 = 0.025), where Q1 augmented and Q4 attenuated the decrease in speed with aging. However, the impact of age group × performance group interaction on Change B and C was trivial (p = 0.002, η2 ≤ 0.010). Based on these findings, it was concluded that the differences in pacing among age groups depended on the performance level. Thus, the coaches and fitness trainers working with cross-country skiers should advise their athletes to consider both age and 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 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 | 0,001 |
| 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) | 0,003 | 0,001 |
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 ».