Are Strength Indicators and Skin Temperature Affected by the Type of Warm-Up in Paralympic Powerlifting Athletes?
Notice bibliographique
Résumé
(1) Background: the present study aimed to evaluate the effect of different types of warm-ups on the strength and skin temperature of Paralympic powerlifting athletes. (2) Methods: the participants were 15 male Paralympic powerlifting athletes. The effects of three different types of warm-up (without warm-up (WW), traditional warm-up (TW), or stretching warm-up (SW)) were analyzed on static and dynamic strength tests as well as in the skin temperature, which was monitored by thermal imaging. (3) Results: no differences in the dynamic and static indicators of the force were shown in relation to the different types of warm-ups. No significant differences were found in relation to peak torque (p = 0.055, F = 4.560, η2p = 0.246 medium effect), and one-repetition maximum (p = 0.139, F = 3.191, η2p = 0.186, medium effect) between the different types of warm-ups. In the thermographic analysis, there was a significant difference only in the pectoral muscle clavicular portion between the TW (33.04 ± 0.71 °C) and the WW (32.51 ± 0.74 °C) (p = 0.038). The TW method also presented slightly higher values than the SW and WW in the pectoral muscles sternal portion and the deltoid anterior portion, but with p-value > 0.05. (4) Conclusions: the types of warm-ups studied do not seem to interfere with the performance of Paralympic Powerlifting athletes. However, the thermal images showed that traditional warm-up best meets the objectives expected for this preparation phase.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».