Fitness components associated with performance of a law enforcement physical employment standard in police cadets
Notice bibliographique
Résumé
BACKGROUND: The physical preparation of cadets for both physical employment standards (PES) and police job performance is a major concern for police organizations. Identifying fitness components associated with both PES performance and work performance can provide essential information for the physical training of police cadets. Therefore, the objective of this study was to assess the association of fitness components with performance of the Standardized Physical Abilities Test (SPAT), a new law enforcement PES.METHODS: A sample of 41 police cadets was recruited to take part in this cross-sectional study. First, the participants were assessed using six fitness assessments (standing broad jump, medicine ball put, grip strength test, visuomotor reaction time (VMRT) test, modified agility T-test, and 600-meter run). In a second experiment, participants performed the SPAT.RESULTS: Bivariate correlation analysis showed moderate to strong associations between each fitness assessment and SPAT performance. Based on stepwise multiple regression analysis, results at the VMRT Test, the medicine ball put, and the agility T-test accounted for 66.0% of the variability in SPAT performance (R2=0.660; P<0.001).CONCLUSIONS: Overall, our results suggest that exercise prescriptions for police cadets should focus on power, agility, and VMRT. Furthermore, our results show that performance in a PES can be estimated rather precisely based on low-cost fitness assessments. Therefore, such methodology could be used to develop fitness assessments specific to PES requirements.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».