Evaluation of Training with Elastic Bands on Strength and Fatigue Indicators in Paralympic Powerlifting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Variable resistance training has recently become a component of strength and conditioning programs. Objective: This randomized counterbalanced cross-over study aimed to investigate the use of elastic bands (EB) and the traditional method (TRAD) and force indicators in a training session. Methods: 12 Paralympic athletes (age: 28.60 ± 7.60 years) participated in this three-week study. In the first week, the participants were familiarized with EB and TRAD and were tested for maximal repetition (1-RM). The research occurred in weeks 2 and 3, which included the pre-post training, during which the following measures were extracted: maximum isometric force (MIF), the peak torque (PT), rate of force development (RFD), fatigue index (FI), and time to MIF (Time). The athletes performed two tests, EB and TRAD, separated by a one-week interval. Results: Significant differences were found between the pre- and post-test for 1RM (p = 0.018, η2p = 0.412), MIF (p = 0.011, η2p = 0.415), PT (p = 0.012, η2p = 0.413), and RFD (p = 0.0002, η2p = 0.761). With the use of EB, there was a difference in RFD between TRAD before and EB after (p = 0.016, η2p = 0.761). There were significant differences in the before and after for FI between TRAD and EB (p < 0.001) and for Time (p < 0.001), indicating that training with the use of elastic bands promotes overload, characterized by increased fatigue and decreased strength. Conclusions: Training with EB did not decrease 1RM, PT, MIF or RFD, however, there was an increase in fatigue and time to reach MIF when compared to the method with fixed resistance.
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.
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 découle