Internal Training Load Measures in Elite Adolescent Ballet Dancers
Notice bibliographique
Résumé
Training load has been identified as a risk factor for musculoskeletal injury in sport, but little is known about the effects of training load in dance. The purpose of this study was to describe adolescent dancers' internal training load (ITL) and compare objective and subjective measures of ITL using heart rate (HR) training impulse methods and session Rating of Perceived Exertion (sRPE), respectively. Fifteen female elite adolescent ballet dancers at a vocational dance school volunteered to participate in the study. Internal training load data using HR and sRPE were collected over 9 days of multiple technique classes at the midpoint of the dancers' training year. Heart rate data were quantified using Edwards' training impulse (ETRIMP) and Banister's training impulse (BTRIMP), and sRPE was estimated from the modified Borg 0 to 10 scale and class duration. Descriptive statistics (median [M], and interquartile range [IQR]) were determined in arbitrary units (AU), and were as follows for all classes combined: ETRIMP: M = 134 AU (IQR = 79 to 244 AU); BTRIMP: M = 67 AU (IQR = 38 to 109); sRPE: M = 407 AU (IQR = 287 to 836 AU). The association and agreement between objective and subjective ITL measures in ballet and pointe class was assessed using Spearman correlations (r s ) and adjusted Bland-Altman 95% limits of agreement (LOA), respectively, with alpha set at 0.05. A significant moderate positive correlation was found between ETRIMP and BTRIMP in pointe class (r ρ = 0.8000, p = 0.0031). The mean difference (LOA) between ETRIMP and BTRIMP was 121 AU (33 to 210 AU) in ballet and 43 AU (-3 to 88 AU) in pointe. It is concluded that some, but not all, measures of ITL in elite adolescent ballet dancers are comparable. Additional research is needed to examine the utilization of ITL measures for evaluating dance-related injury risk, as well as the application of ITL to inform the development of effective injury prevention strategies for this high-risk population.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».