Development of a Mobile Phone App for Measuring Striking Response Time in Combat Sports: Cross-Sectional Validation Study
Notice bibliographique
Résumé
BACKGROUND: TReaction is a mobile app developed to determine strike response time at low cost and with easy application in combat sports. However, the validity and accuracy of the response time obtained by the TReaction app has not yet been evaluated. OBJECTIVE: This study aimed to test the validity and reliability of the TReaction app in measuring motor response time in combat sports. METHODS: A total of two athletes performed 59 strikes to assess the response time upon visual stimulus using the TReaction app simultaneously with a high-speed camera. Accuracy of the measure was verified using a computer simulator programmed to discharge visual stimuli and obtain the response time. Pearson correlation, Student t test for dependent samples, and the Bland-Altman analysis were performed. Accuracy was verified using the intraclass correlation coefficient. Effect size (g) and the typical error of measurement (TEM) were calculated. The significance level was set at P<.05. RESULTS: No significant difference (P=.56) was found between both systems. The methods presented a very strong correlation (r=0.993). The magnitude of differences was trivial (g<0.25), and TEM was 1.4%. These findings indicate a high accuracy between the computer screen and the mobile app measures to determine the beginning of the task and the response time. CONCLUSIONS: Our findings suggest that the TReaction app is a valid tool to evaluate the response time in combat sports 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 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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».