Field Tests of Performance and Their Relationship to Age and Anthropometric Parameters in Adolescent Handball Players
Notice bibliographique
Résumé
Handball performance is influenced by age, anthropometric characteristics, technical skills, tactical understanding, and physical abilities. The aims of this study were (i) to determine differences in anthropometric characteristics and physical performance between adolescent handball players across age categories, and (ii) to determine which anthropometric and maturity variables have the greatest relative importance in fitness for this sport. Seventy-nine male handball players drawn from a team in the elite Tunisian Handball league (U18 (n=10); U17 (n=12); U16 (n=17); U15 (n=18) and U14 (n=22)) volunteered for the investigation. Assessments included sprint performances; change in direction tests [T-half test and Illinois modified test]; jumping tests [squat jump; counter movement jump; countermovement jump with aimed arms; five-jump test]; medicine ball throwing; handgrip force; back extensor force and selected anthropometric measurements. The individual's age category affected all measurements, with U17 and U18 players showing larger body measurements and significantly better absolute results on all physical tests than U14, U15 and U16 contestants. Scores for the majority of physical performance tests were closely inter-correlated. We conclude that U17 and U18 players show significantly better absolute results than the younger players on all physical tests. Multiple linear regressions, using block-wise entry, indicate that age is the strongest predictor of jump and sprint performances. Several anthropometric characteristics, including body mass, standing height and lower limb length were closely correlated with performance test scores, but after allowing for age only body mass added to the prediction of jumping ability.
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 ».