Off-Ice Resisted Sprints Best Predict All-Out Skating Performance in Varsity Hockey Players
Notice bibliographique
Résumé
ABSTRACT: Thompson, KM, Safadie, A, Ford, J, and Burr, JF. Off-ice resisted sprints best predict all-out skating performance in varsity hockey players. J Strength Cond Res 36(9): 2597-2601, 2022-Off-ice fitness testing is commonly used to predict the physiological abilities of ice-hockey players. Although there is a notable association between certain off-ice tests of jump power and anaerobic capacity with on-ice skating acceleration ( r = 0.3-0.7), it is likely that off-ice tests which more closely resemble the demands of skating will have better predictive ability of this skill. The aim of the current study was to compare the suitability of common off-ice fitness tests and off-ice resisted sprints for predicting 15-m on-ice skate time. Male and female varsity-level hockey players performed a battery of common off-ice fitness tests, resisted sprints, and on-ice 15-m sprints over 3 testing days. At least moderate correlations between off-ice tests and on-ice sprints were observed for all common fitness tests (all p ≤ 0.002): Wingate peak power ( r = -0.65), Wingate fatigue rate ( r = -0.53), vertical jump ( r = -0.52), and broad jump ( r = -0.61), with resisted sprint tests showing the strongest associations (off-ice 15-kg resisted sprint ( r = 0.79) and off-ice 30-kg resisted sprint ( r = 0.74)). In multivariate analysis, stepwise regression revealed the 15-kg resisted sprint as the sole meaningful predictor of on-ice sprint time ( R = 0.79, R2 = 0.62; p ≤ 0.001). We conclude that resisted off-ice sprints have better predictive ability of on-ice skate time compared with commonly used off-ice tests. Resisted sprinting can be used by strength and conditioning staff as an indicator of on-ice acceleration ability during periods of limited access to on-ice facilities or as a component of fitness testing.
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 | 0,002 | 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 ».