MétaCan
Menu
Retour à la cohorte
Enregistrement W4235248925 · doi:10.31236/osf.io/ycwvj

Home training recommendations for soccer players during the COVID-19 pandemic

2020· preprint· en· W4235248925 sur OpenAlexaff
Angelo Melim Azevedo, Grégory Hallé Petiot, Filipe Manuel Clemente, Fábio Yuzo Nakamura, Rodrigo Aquino

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésIsolation (microbiology)AthletesCoronavirus disease 2019 (COVID-19)TrainerPsychologyPostponementPandemicTraining (meteorology)Social distanceApplied psychologyComputer scienceBusinessMarketingMedicineInfectious disease (medical specialty)Physical therapyGeography

Résumé

récupéré en direct d'OpenAlex

The new coronavirus (COVID-19) is an infectious disease caused by a newly discovered virus (SARS-CoV-2). This pandemic has a major impact on people's lives, and several governments ordered extended quarantine and requested social isolation to contain the spread of COVID-19 and flatten its contagion curve. Soccer practice was also severely affected by these pandemic effects, including the postponement of several championships, which involve large audiences. This process will be also dangerous for the players in the moment of returning to matches, mainly considering the abrupt spikes in the load that may occur in a very short term (from quarantine to competitive congested fixture periods). Here, we outline the benefits of home workouts using a multidimensional approach. First, we provide practical recommendations for physical, psychological, and tactical training. Next, we propose an example of a home training program spanning one weekly microcycle for soccer players, using load control based on the rating of perceived exertion. We highlighted that is crucial to make all these exercises fun and entertaining during the self-isolation period. In addition, coaches can adopt a video meeting with the players with the purpose to maintain the relationships and clear possible doubts about the workouts. The home training recommendations discussed and proposed in this article can and should be adjusted by the coaches according to their own ideas and athletes' access to equipment (e.g., treadmills, flywheel training, virtual reality). Finally, these recommendations do not apply to athletes showing any symptoms of COVID-19; in such case, self-isolation and complete rest are mandatory.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,006

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.

Tête enseignante Opus0,259
Tête enseignante GPT0,399
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSports Performance and TrainingTravaux en français237 207