Validation of the alpine skiing 90 seconds box jump field test and prediction of power output
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to validate the alpine ski racing 90 s box jump field-test (BJ90) with the 90 s Wingate test (W90).METHODS: Fifteen elite alpine ski racers were tested on the BJ90 (0.45 m × 0.75 m × 0.9 m) and the W90 (Ergomedic 894 E Monark; Monark AB, Varberg, Sweden) test in a random order. The number of hits on the BJ90 was written down every 15 s and for the W90 the load (7.5% of body weight) was manually dropped once the subjects reached maximum RPM without resistance. Correlations and partial correlations were calculated with a 2-tailed Pearson correlation analysis. A stepwise forward regression analysis was also performed.RESULTS: Results present significant (P<0.05) correlations and partial correlations adjusted for body weight between the total number of hits on the BJ90 and W90 peak W, peak W/kg, mean W and mean W/kg as well as with the number of hits and W90 Mean W and mean W/kg between each 15 s time slot. A linear regression predictive equation for mean relative power (W/kg) generated from the BJ90 was established: mean relative power (W/kg)=0.055*total hits+1.080 (r=0.79, P<0.001; total hits with mean W/kg). A stepwise forward regression equation for mean absolute power (W) generated from the BJ90 was also established: mean absolute power (W)=2.305*number of hits+5.081*body weight in kg-1 -169.8 (R=0.964, P<0.001, SEE=23.56).CONCLUSIONS: Practitioners could use the BJ90 to assess alpine skiers lower body power as previous research showed that both are correlated with performance and are able to discriminate skier level.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».