Lean mass and biological maturation as predictors of muscle power and strength performance in young athletes
Notice bibliographique
Résumé
BACKGROUND: The biological maturation (BM) analyzed by peak height velocity (PHV) and bone age (BA), and lean body mass has been associated with the strength and muscle power of young athletes. However, the ability of BM (PHV and BA) and LM markers to predict muscle strength and power in young athletes remains uncertain. OBJECTIVE: The Aim was determine the predicting power of BM markers (PHV and BA) and LM in relation to muscle power of upper and lower limbs and muscle strength of upper limbs in adolescent athletes at puberty. METHODS: Ninety-two adolescent athletes (both sexes; age 12.4 ± 1.02 years) were assessed for body composition by dual-energy X-ray absorptiometry (DXA). Power of upper limbs (ULP), force handgrip (HG), vertical jump (VJ) and countermovement jump (CMJ) were recorded. BM was predicted by mathematical models to estimate PHV and BA. Multilayer artificial neural network analyses (MLP's) were used to determine the power of prediction of LM, PHV and BA on muscle power and strength of upper- and lower-limbs of the athletes. RESULTS: LM, BA and PHV were associated with HG (r>0.74, p<0.05) and ULS (r>0.60, p<0.05) in both sexes. In both sexes BA was associated with VJ (r>0.55, p<0.05) and CMJ (r>0.53, p<0.05). LM indicated associations (r>0.60, p<0.05) with BA and with PHV (r<0.83, p<0.05) in both sexes. MLP's analysis revealed that the LM provides > 72% of probability to predict the muscle power of upper- and lower-limbs, and the strength of the upper limbs; whereas PHV provides > 43% and bone age >64% in both female and male adolescent athletes. CONCLUSION: We identified that, like PHV and BA, LM is a strong predictor of low cost of both upper limbs muscle strength and upper and lower limbs power in adolescent athletes.
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 | 0,000 | 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 ».