A Comparison of On-Ice External Load Measures Between Subelite and Elite Female Ice Hockey Players
Notice bibliographique
Résumé
ABSTRACT: Douglas, AS, Rotondi, MA, Baker, J, Jamnik, VK, and Macpherson, AK. A comparison of on-ice external load measures between subelite and elite female ice hockey players. J Strength Cond Res 36(7): 1978-1983, 2022-This study quantified and examined differences in measures of on-ice external load for subelite and elite female ice hockey players. External load variables were collected from subelite (N = 21) and elite (N = 24) athletes using Catapult S5 monitors during the preseason. A total of 574 data files were analyzed from training and competition during the training camp. Significant differences between groups were found across all variables. Differences in training between the 2 groups ranged from trivial (forwards PlayerLoad, p = 0.03, effect-size [ES] = 0.18) to large (forwards Explosive Efforts [EEs], p < 0.001, ES = 1.64; defense EEs, p < 0.001, ES = 1.40). Match comparisons yielded similar results, with differences ranging from small (defense Low Skating Load [SL], p = 0.05, ES = 0.49; Medium SL, p = 0.04, ES = 0.52) to very large (forwards PlayerLoad, p < 0.001. ES = 2.25; PlayerLoad·min-1, p < 0.001, ES = 2.66; EEs, p < 0.001, ES = 2.03; Medium SL, p < 0.001, ES = 2.31; SL·min-1, p < 0.001, ES = 2.67), respectively. The differences in external load measures of intensity demonstrate the need to alter training programs of subelite ice athletes to ensure they can meet the demands of elite ice hockey. As athletes advance along the development pathway, considerable focus of their off-ice training should be to improve qualities that enhance their ability to perform high-intensity on-ice movements.
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) | 0,000 | 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 | 0,001 |
| 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 ».