The Role of Velocity-Based Training (VBT) in Enhancing Athletic Performance in Trained Individuals: A Meta-Analysis of Controlled Trials
Notice bibliographique
Résumé
Velocity-based training (VBT) is a rising auto-regulation method that dynamically regulates training loads to promote resistance training. However, the role of VBT in improving various athletic performances is still unclear. Hence, the presented study aimed to examine the role of VBT in improving lower limbs’ maximum strength, strength endurance, jump, and sprint performance among trained individuals. A systematic literature search was performed to identify studies on VBT for lower limb strength training via databases, including PubMed, Web of Science, Embase, EBSCO, Cochrane, CNKI (in Chinese), and Wanfang Database (in Chinese). Controlled trials that deployed VBT only without extra training content were considered. Eventually, nine studies with a total of 253 trained males (at least one year of training experience) were included in the meta-analysis. The pooled results suggest that VBT may effectively enhance lower limbs’ maximum strength (SMD = 0.76; p < 0.001; I2 = 0%), strength endurance (SMD = 1.19; p < 0.001; I2 = 2%), countermovement jump (SMD = 0.53; p < 0.001; I2 = 0%), and sprint ability (SMD of sprint time = −0.40; p < 0.001; I2 = 0%). These findings indicate the positive role of VBT in serving athletic training. Future research is warranted to focus on the effect of velocity loss of VBT on athletic performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,050 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».