Individual factors associated with baseball pitching performance: scoping review
Notice bibliographique
Résumé
BACKGROUND: Ball velocity, accuracy and game statistics represent three methods used to measure pitching performance. However, individual determinants of pitching performance are more elusive. OBJECTIVES: The aims of this study were to classify the performance factors associated with baseball pitchers, to identify the methods used to quantify their abilities through all features of the game and to document relationships between performance factors and indicators. DESIGN: Scoping review. DATA SOURCES: Electronic searches of MEDLINE, Academic Search Complete, CINAHL, SportDiscus, PubMed, PsycINFO, Cochrane and of grey literature were undertaken from inception to January 2019. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Cross-sectional studies that investigated the relationship between performance indicators and individual performance factors in healthy baseball pitchers were selected. RESULTS: Thirty-four cross-sectional studies investigating individual potential factors of pitching performance met the inclusion criteria. The primary performance factors investigated were kinematic, kinetic, timing outcomes, personal characteristics, physical tests and range of motion. Shoulder horizontal adduction (SHA), upper torso forward flexion, maximal shoulder external rotation, upper torso rotation angle, upper torso lateral flexion, lead knee flexion (LKF) and forward trunk tilt (FTT) were identified as key kinematic features associated with increased ball velocity. Shoulder proximal force and peak elbow proximal forces were associated with greater ball velocity. Individual performances in jumping tests and body weight (BW) are also associated with pitching performance. SUMMARY/CONCLUSION: Based on studies presenting low and moderate risk of bias, we conclude that BW, age and kinematics, such as FTT, LKF, SHA and lateral trunk tilt, are associated with pitching 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».