Adaptation of Anaerobic Field-Based Tests for Wheelchair Basketball Athletes
Notice bibliographique
Résumé
Purpose: The aim of this study was to propose field-based tests to estimate the anaerobic power of wheelchair basketball athletes. Methods: Eleven lower class wheelchair basketball players performed the Wingate test (WT) and two field-based tests (repeated sprints) of 15 (S-15) and 20 (S-20) meters. The WT provides data in Watts (W). The S-15 and S-20 are recorded in seconds and converted to W using the Running-based Anaerobic Sprint Test (RAST) equation. The participants also completed other field-based tests, such as right and left handgrip strength (HGS) tests and the medicine ball chest pass test. In addition, body mass and height were measured, and the body composition was estimated. The field-based tests and anthropometric measures were used to estimate WT peak power (PP) and mean power (MP) using multiple linear regressions. Results: The field-based tests underestimated the anaerobic power measured with the WT (in W). However, a linear regression model based on S-15 PP, right HGS, height, and body mass explained 76% (P= .040) of the WT PP variance. Another model based on S-15 MP and right HGS explained 72% (P= .006) of the WT MP variance. Both models had excellent reliability (ICC > 0.90). Conclusion: WT PP can be estimated using S-15 PP (W), right HGS, height, and body mass. The WT MP is predicted using S-15 MP (W) and right HGS. Therefore, a combination of field-based tests and anthropometric measures seem to be appropriate to determine anaerobic power of lower class wheelchair basketball athletes.
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 | 0,000 |
| 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 ».