Match Running Performance of Brazilian Professional Soccer Players according to Tournament Types
Notice bibliographique
Résumé
The present study aimed to report different level games in terms of their external game loads, using data collected from GPS performance indicators in Brazilian soccer teams. We used measures of 464 performances of professional soccer athletes during the National Tournament (NT=265), State Tournament (ST=89), National Cup (NC=44), and the International Tournament (IT=66). The performance analysis included the assessment of Total (meters) and Relative (meters/minutes) distances; running (>14km/h), and sprinting (>18km/h) distance; the number of sprints (>18km/h and >24km/h); accelerations (above three m/s2), deceleration (less than three m/s2) and jumps (>30 cm); Total and Relative load – per minute. There were differences (p<0.05) in terms of relative distance between NT and ST (102.2 ±9.5 vs. 98.1± 10.3) and between ST and NC (98.1± 10.3 vs. 103.4 ±9.6). In sprints >18km/h NT differed from ST (60.4 ±5.9 vs 52.7 ±19.9). In sprints >24km/h differences could be found between NT and ST (10.7 ±5.9 vs 8.7 ±5.4). In Total Load NT differed with respect to ST (908.6 ±141.5 vs. 852.7 ±138.5) In Relative Load differences were reported between NT and ST (10 ±1.2 vs. 9.3 ±1.4) and IT (10 ±1.2 vs. 9.4 ±1.4), and between ST and NC (9.3 ±1.4 vs. 10.0 ±1.4). Finally, concerning deceleration, NT differed when compared to ST (36.1 ±9.9 vs. 32 ±11) as well as ST differed from IT (32 ±11 vs. 37.5 ±9.7). The present results make it possible to create specific training games according to tournament level associated with the predominant activities performed during the competition.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».