MétaCan
Menu
Retour à la cohorte
Enregistrement W3026811953 · doi:10.3390/sports8050072

Reliability of a Repeated High-Intensity Effort Test for Elite Rugby Union Players

2020· article· en· W3026811953 sur OpenAlexaff
Adrien Vachon, Nicolas Berryman, Iñigo Mujika, Jean‐Baptiste Paquet, Tony Monnet, Laurent Bosquet

Notice bibliographique

RevueSports · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalBishop's University
Organismes subventionnairesnon disponible
Mots-clésSprintIntraclass correlationReliability (semiconductor)Test (biology)Team sportRepeatabilityMathematicsPhysical therapyStatisticsSimulationComputer scienceMedicineReproducibilityBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

This study aimed to adapt a repeated high-intensity effort (RHIE) test to the rugby union physical demands and assess both sprint time and tackle indices reliability. Following a familiarization session, sixteen elite rugby union players completed two RHIE tests consisting of 12 × 20 m sprint + tackle. Total sprint time and total g-force during tackling, average sprint time and average g-force as well as percentage decrementsprint time and percentage decrementtackle were considered for the analysis. Sprint time indices showed high to very high absolute and relative reliability (intraclass coefficient correlation (ICC) = 0.95, Standard Error Measurement (SEM) = 1.30%; ICC = 0.95, SEM = 1.44%; ICC = 0.73, SEM = 23.0%, for total sprint time, average sprint time and percentage decrementsprint time, respectively). Tackle indices showed moderate to high reliability (ICC = 0.54, SEM = 16.5%; ICC = 0.61, SEM = 15.6%; ICC = 0.71, SEM = 12.3%, for total g-force, average g-force and percentage decrementtackle, respectively). The RHIE test provides reliable measures of sprint time and tackle indices. Tackle indices should be used as a validation criterion of the test, whereas total time should be considered as the test final result.

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 enseignants0,011
Score d'incertitude au seuil0,437

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 Opus0,016
Tête enseignante GPT0,252
Écart entre enseignants0,236 · 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSportsMême sujetSports Performance and TrainingTravaux en français237 207