Force–velocity relationship in Paralympic powerlifting: two or multiple-point methods to determine a maximum repetition
Notice bibliographique
Résumé
BACKGROUND: Due to the absence of evidence in the literature on Paralympic Powerlifting the present study investigated various methods to assess bench press maximum repetition and the way each method influences the measurement of minimum velocity limit (MVT), load at zero velocity (LD0), and force-velocity (FV). OBJECTIVE: To evaluate the precision of the multi-point method using proximal loads (40, 50, 60, 70, 80, and 90% of one repetition maximum; 1RM) compared to the four-point method (50, 60, 70, and 80% of 1RM) and the two-point method using distant loads (40 and 80% and 50 and 80% of 1RM) in in the MVT, LD0, and FV, in bench press performed by Paralympic Powerlifters (PP). METHODS: To accomplish this, 15 male elite PP athletes participated in the study (age: 27.7 ± 5.7 years; BM: 74.0 ± 19.5 kg). All participants performed an adapted bench press test (free weight) with 6 loads (40, 50, 60, 70, 80, and 90% 1RM), 4 loads (50, 60, 70, and 80% 1RM), and 2 loads (40-80% and 50-80% 1RM). The 1RM predictions were made by MVT, LD0, and FV. RESULTS: = 0.508). The two-point method (50-80%) showed a higher mean in MVT [1268.2 ± 502.0 N; ICC95% 0.76 (0.31-0.92)], in LD0 [1504.1 ± 597.3 N; 0.63 (0.17-0.86)], and in FV [1479.2 ± 636.0 N; 0.60 (0.10-0.86)]. CONCLUSION: The multiple-point method (4 and 6 points) and the two-point method (40-80%) using the MVT, LD0, and FV all showed a good ability to predict bench press 1RM in PP.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».