Three-Year Longitudinal Fitness Tracking in Top-Level Competitive Youth Ice Hockey Players
Notice bibliographique
Résumé
Cordingley, DM, Sirant, L, MacDonald, PB, and Leiter, JR. Three-year longitudinal fitness tracking in top-level competitive youth ice hockey players. J Strength Cond Res 33(11): 2909-2912, 2019-The purpose of this retrospective review was to report the physical and physiological development of top-level competitive male youth hockey players for 3 consecutive years (13, 14, and 15 years of age). Before each hockey season, the athletes (n = 103) underwent a fitness testing combine to assess aerobic, anaerobic, and musculoskeletal fitness. The tests performed included the height, body mass, body fat percentage determined by skinfolds, push-ups, chin-ups, plank, broad jump, grip strength 20-m shuttle run, Wingate bike test, and 5-10-5 shuttle test. Height and body mass increased with each consecutive year (p < 0.05) with no change in body fat percentage. Chin-ups, broad jump, and grip strength all improved with age (p < 0.001). However, push-ups only improved from 13 to 14 years of age (p < 0.001), whereas maximal plank duration decreased from 14 to 15 years of age (p < 0.05). The total distance covered during the 20-m shuttle run decreased from 14 to 15 years of age (p < 0.05). Absolute peak and average power increased with each age increase (p < 0.001), but relative peak and average power only increased from 13 to 14 years of age (p < 0.05). There was no change in the fatigue index with age. The 5-10-5 shuttle test improved with each age increase (p < 0.05). Over a 3-year period (13-15 years of age), there are many physical and physiological changes that occur in top-level competitive male hockey players. Having a better understanding of how these athletes develop could aid in the implementation of specific on- and off-ice training programs.
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 | 0,002 | 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 | 0,001 |
| 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 ».