Validation of a commercially available inertial measurement unit for recording jump load in youth basketball players
Notice bibliographique
Résumé
A high incidence of overuse knee injuries among youth basketball players may be attributed to number of jumps. Wearable technology may be an effective tool for measuring jump load compared to traditional counting methods. The purpose of this study was to validate a commercially available jump counter (VERT® Classic) in youth basketball practices and games, and to identify the characteristics (i.e., height, direction, takeoff) of jumps recorded by the VERT® Classic. 46 (19F, 27M) youth basketball players wore a VERT® Classic and were recorded on video during games and practices. The number of jumps recorded by the VERT® Classic and evaluated by video raters were compared for each jump characteristic using intraclass correlation coefficient (ICC(3,k)), mean offset, and limits of agreement. The number and percent of VERT® Classic jumps and corresponding video jumps according to timestamp were reported. VERT® Classic jumps had excellent reliability with video-counted jumps over 15 cm (ICC(3,k) = 0.958), with a mean offset of −2.4 jumps (fewer VERT® Classic) and limits of agreement −12.6 to 7.8 jumps. Pairs of corresponding jumps represented 68.0% of total video jumps and 92.0% of VERT® Classic jumps. The VERT® Classic can provide an estimate of jump load in youth basketball.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».