Changes in physical demands between game quarters of U18 elite official basketball games
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to describe the physical demands during U18 elite basketball games according to the game quarter and to identify a smaller subset of variables and threshold scores that distinguish players' physical performance in each quarter. METHODS: Data was collected from ninety-four players who participated in the study (age: 17.4 ± 0.74 years; height: 199.0 ± 0.1 cm; body mass: 87.1 ± 13.1 kg) competing in the Euroleague Basketball Next Generation Tournament. Players' movements during the games were measured using a portable local positioning system (LPS) (WIMU PRO®, Realtrack Systems SL, Almería, Spain) and included relative distance (total distance / playing duration), relative distance in established speed zones, high-intensity running (18.1-24.0 km·h-1) and sprinting (> 24.1 km·h-1). player load, peak speed (km·h-1) and peak acceleration (m·s-2) number of total accelerations and total decelerations, high intensity accelerations (> 2 m·s-2) and decelerations (< -2 m·s-2). RESULTS: There was an overall decrease in distance covered, player load, number of high intensity accelerations and decelerations between the first and last quarter of the games in all playing positions. A classification tree analysis showed that the first quarter had much influence of distance covered (above 69.0 meters), distance covered <6.0 km·h-1 and accelerations (> 2 m·s-2), whereas the fourth quarter performance had much influence of distance covered (below 69.0) and distance covered 12.1-18.0 km·h-1. CONCLUSIONS: A significant reduction in physical demands occurs during basketball, especially between first and last quarter for players in all playing positions during basketball games of under 18 elite players.
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 ».