Post-activation performance enhancement of dynamic stretching and heavy load warm-up strategies in elite tennis players
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to compare the potential post-activation performance enhancement (PAPE) effects of two different warm-up strategies, involving dynamic stretching (DS) or heavy load leg press (HL) on several key physical qualities in tennis players. METHODS: Twenty-six elite male tennis players (age: 19.22 ± 4.20 years; body mass: 67.37 ± 8.19 kg; height: 1.77 ± 0.07 m) performed both warm-ups, with 48-hours between protocols (DS and HL), performed in a randomized order. Pre- and post-tests included: countermovement jump, 5-m and 10-m sprint, 5-0-5 agility test, and hip extension and flexion range-of-motion which were performed before and after DS and HL warm-up protocols. RESULTS: The DS warm-up led to substantial improvements in 5-m and 10-m sprint, 5-0-5 agility test, countermovement jump, and also to higher hip flexion range-of-motion. The HL warm-up caused impairments in 5-m and 10-m sprints, but improvements in 5-0-5 agility test, countermovement jump and hip extension range-of-motion. Compared to HL, DS warm-up induced possibly to likely positive effects on 5-m and 10-m linear sprint performance, as well as in hip flexion range-of-motion. Nevertheless, no differences in performance improvements in 5-0-5 agility test, countermovement jump and hip extension range-of-motion were found when comparing DS and HL warm-up protocols. CONCLUSION: DS seems to be more effective than HL when performing a short warm-up protocol in elite tennis players.
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 ».