Age-Related Decline in Vertical Jumping Performance in Masters Track and Field Athletes: Concomitant Influence of Body Composition
Notice bibliographique
Résumé
Vertical jumping power declines with advancing age, which is theoretically explicable by loss of muscle mass and increases in body fat. However, the results of previous cross-sectional studies remain inconsistent on these relationships. The present study included 256 masters athletes who competed at the 2018 track and field world championships in Málaga, Spain. We assessed body composition with bioelectrical impedance (Inbody S10) and vertical jumping power with a Leonardo ground reaction force platform. Relationships between age, jumping power, and body composition were analyzed by correlation and regression analyses. Hierarchical multiple regression analysis was used to evaluate effects of each factor on vertical jumping power. Age-related rates of decreases in maximal power and jump height were similar between male and female athletes. Percent fat-free mass and percent body fat were negatively and positively, respectively, associated with age in masters athletes and were comparable to those previously observed in the general population. Moreover, these effects in body composition can, to a great extent, explain the age-related decline in jumping power, an effect that seems at least partly independent of age. Finally, the multiple regression model to determine independent predictors of vertical jump performance yielded an overall R2 value of 0.75 with the inclusion of (1) athletic specialization in power events, (2) percent fat-free mass, and (3) phase angle. However, partial regression yielded significant effects of age, but not gender, on peak power, even when adjusting for athletic specialization, percent fat-free mass, and phase angle. We concluded that loss of skeletal muscle mass and changes in bio-impedance phase angle are important contributors to the age-related reduction in anaerobic power, even in adults who maintain high levels of physical activity into old age. However, age per se remains a significant predictor of vertical jump performance, further demonstrating deteriorated muscle quality at old age (sarcosthenia).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».