MétaCan
Menu
Retour à la cohorte
Enregistrement W2959819408 · doi:10.3390/sports7070173

On-Ice Measures of External Load in Relation to Match Outcome in Elite Female Ice Hockey

2019· article· en· W2959819408 sur OpenAlexaff
Adam Douglas, Kathryn Johnston, Joseph Baker, Michael Rotondi, Veronica Jamnik, Alison Macpherson

Notice bibliographique

RevueSports · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésIce hockeyExplosive materialElitePsychologyOutcome (game theory)Competition (biology)Physical medicine and rehabilitationAeronauticsEngineeringMedicineGeographyMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to investigate the differences between select on-ice measures using inertial movement sensors based on match outcome, and to determine changes in player movements across three periods of play. Data were collected during one season of competition in elite female ice hockey players (N = 20). Two-factor mixed effects ANOVAs for each skating position were performed to investigate the differences in match outcome, as well as differences in external load measures during the course of a match. For match outcome, there was a small difference for forwards in explosive ratio (p = 0.02, ES = 0.26) and percentage high force strides (p = 0.04, ES = 0.50). When viewed across three periods of a match, moderate differences were found in skating load (p = 0.01, ES = 0.75), explosive efforts (p = 0.04, ES = 0.63), and explosive ratio (p = 0.002, ES = 0.87) for forwards, and in PlayerLoad (p = 0.01, ES = 0.70), explosive efforts (p = 0.04, ES = 0.63), and explosive ratio (p = 0.01, ES = 0.70) for defense. When examining the relevance to match outcome, external load measures associated with intensity appear to be an important factor among forwards. These results may be helpful for coaches and sport scientists when making decisions pertaining to training and competition strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,300
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSportsMême sujetSports Performance and TrainingTravaux en français237 207