Using the VERT wearable device to monitor jumping loads in elite volleyball athletes
Notice bibliographique
Résumé
Sport is becoming increasingly competitive and athletes are being exposed to greater physical demands, leaving them prone to injuries. Monitoring athletes with the use of wearable technology could provide a way to potentially manage training and competition loads and reduce injuries. One such technology is the VERT inertial measurement unit, a commercially available discrete wearable device containing a 3-axis accelerometer, 3-axis gyroscope and 3-axis magnetometer. Some of the main measurement outputs include jump count, jump height and landing impacts. While several studies have examined the accuracy of the VERT's measures of jump height and jump count, landing impact force has not yet been investigated. The objective of this research study was to explore the validity of the VERT landing impact values. We hypothesized that the absolute peak VERT acceleration values during a jump-land cycle would fall within 10% of the peak acceleration values derived simultaneously from a research-grade accelerometer (Shimmer). Fourteen elite university-level volleyball players each performed 10 jumps while wearing both devices simultaneously. The results showed that VERT peak accelerations were variable (limits of agreement of -84.13% and 52.37%) and had a propensity to be lower (mean bias of -15.88%) when compared to the Shimmer. In conclusion, the validity of the VERT device's landing impact values are generally poor, when compared to the Shimmer.
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 | 0,000 | 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 | 0,000 |
| 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 ».