MétaCan
Menu
Retour à la cohorte
Enregistrement W2982661986 · doi:10.5539/jel.v8n6p110

The Effects of Whole Body Vibration Application on Jump and Balance Performance in University Students

2019· article· en· W2982661986 sur OpenAlexvenueno aff
Barış Gürol, Gülsün Güven, Elvin Onarıcı Güngör

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueEffects of Vibration on Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBalance (ability)JumpWhole body vibrationSignificant differenceVibrationSquatDynamic balancePhysical therapyMedicineMathematicsAnimal scienceInternal medicinePhysicsAcousticsEngineeringBiologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The aim of this research was to investigate the effect of vibration applications on muscle strength and balance. As the subjects to the research, nineteen male sport science students (age: 21.45±2.16 years, height: 177.55±7.24 cm, body mass: 71.62±11.02 kg) voluntarily participated in the study. The students were exposed to vibration in squat exercise position before they were exposed to vibration at 25Hz, 50Hz frequency and control (no-vibration) on three different application days. Before and after the vibration exposure, jump tests and balance tests were administered right after the 5th, 10th and 15th min in the wake of the vibration. A statistically significant difference was found in active and squat jump heights administered following the 25Hz and 50 Hz frequency applications (p≤0.05). No significant differences were found in the jump heights in control group (p>0.05). While there was no significant difference found in balance tests performed after 25Hz and 50Hz vibration applications (p>0.05), a significant difference was found after the control application (p≤0.05). As a result, there was an increase in jump heights following the acute vibration application however, no change was seen in balance scores. Practicing acute vibration applications can be recommended to increase jump height especially before the competitions and applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,112

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,285
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEffects of Vibration on HealthTravaux en français237 207