Effects of a Combined Upper- and Lower-Limb Plyometric Training Program on High-Intensity Actions in Female U14 Handball Players
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To analyze the effects of a 9-week plyometric training program on the sprint times (5, 10, 20, and 30 m), change-of-direction speed (modified T test and modified Illinois test), jumping (squat jump, countermovement jump, countermovement jump with arms, and horizontal 5-jump test), upper-body strength (right and left handgrip, back extensor strength, and medicine ball throw), and balance (Y and stork balance tests) of female handball players. METHODS: Athletes were randomly divided into experimental (n = 21; age = 13.5 [0.3] y) and control (n = 20; age = 13.3 [0.3] y) groups. Training exercises and matches were performed together, but the experimental group replaced a part of their normal regimen by biweekly upper- and lower-limb plyometric training. RESULTS: Both groups improved performance, but to a greater extent in the experimental group compared with controls for 20- and 30-m sprint times (Δ% = 9.6, P < .05, d = 0.557 and Δ% = 20.9, P < .001, d = 1.07, respectively), change of direction (T test: P < .01, Δ% = 14.5, d = 0.993 and Illinois test: P < .01, Δ% = 7.9, d = 0.769), vertical and horizontal jumping (P < .05), all measures of upper-limb strength (P < .001), and left-leg stork balance (P < .001, Δ% = 49.9, d = 1.07). CONCLUSIONS: A plyometric training program allows female junior handball players to improve important components of their physical 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découle