MétaCan
Menu
Retour à la cohorte
Enregistrement W4280548062 · doi:10.21276/apjhs.2022.9.3.26

Comparative Analysis between Effect of Shoulder Strength and Core Endurance on Bowling Speed in Pace Bowlers

2022· article· en· W4280548062 sur OpenAlexaboutno aff
Amrinder Singh, Ghosha Joshi, Shweta Shenoy, Jaspal Singh Sandhu

Notice bibliographique

RevueAsian Pacific Journal of Health Sciences · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSports and Physical Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSprintPaceCore (optical fiber)TrunkPhysical therapyPhysical medicine and rehabilitationMedicineSimulationEngineeringTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

Background: Cricket has received considerable research attention due to popularity. Ability of bowlers to bowl with high-speed plays a major role in success. Earlier studies have suggested that shoulder and core play a crucial role in kinetic chain which results in improved bowling speed. Objective: The objective of this study was to study relative efficacies of shoulder strength and core endurance on bowling speed in pace bowlers. Methods: Forty male pace bowlers having age (20.10 ± 3.71) in years from Punjab participated in the study. Bowling speed was measured with Radar Gun. Shoulder strength measured with Biodex dynamometer. Core endurance was measured by McGill protocol. Statistical analysis of was carried out using SPSS version 23. Results: Bowling speed was recorded as mean ± SD 91.00 ± 10.10 km/h. Significant fair positive relationship found between bowling speed and external rotators at angular velocity of 90°/s and (r = 0.386) and shoulder flexors at 60°/s (r = 0.408), 90°/s (r = 0.383), and 120°/s (r =0.448). Trunk extension shows fair positive significant relationship (r =0.327) with bowling speed. Conclusion: The present study contributes toward pace bowlers’ training and focus on necessity of further research considering limitations of COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,728

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,145
Tête enseignante GPT0,522
Écart entre enseignants0,377 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Pacific Journal of Health SciencesMême sujetSports and Physical Education ResearchTravaux en français237 207