Does Sleep Quality between Back-to-Back Matches Influence Running Performance in Canadian Female University Soccer Players? A GPS-based Time-Series Analysis
Notice bibliographique
Résumé
Background: Soccer competitions performed with less than or equal to 24 hours of recuperation, including inadequate amounts of quality sleep, may adversely affect performance. Objective: The purpose of this research was to assess running performance between self-reported good and poor sleepers in female university sport soccer players (N = 12) in matches played with ≤ 24 hours of recovery. Methods: In this cross-sectional and observational study, twelve female university soccer players (mean age: 19.44 + 1.69 yr) were followed throughout one season of competition using a time-series analysis of running performance and comparing good (n = 7) versus poor (n = 5) sleepers. Global positioning systems (GPS) were used to evaluate jogging/sprinting performance throughout the 2016 soccer season. Good and poor sleepers were determined via the Pittsburgh Sleep Quality Index (PSQI). Results: There was a significant reduction (p .05) in running performance from the first to the second game in the entire cohort, while post hoc analysis indicated that good sleepers performed better on the relative speed performance parameter when comparing the first game to the second game; however, there was no change in this performance variable in the poor sleepers between the first and second game. Conclusions: Our study indicates that Canadian female university soccer players may need longer than 24 hours of recovery to perform optimally in subsequent matches. Generally, good and poor sleepers perform similarly except for GPS relative speed in back-to-back matches with 24 hours of recovery.
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 | 0,001 | 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) | 0,001 | 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 ».