Effects of Different Acute Plyometric Training Intensities on Attention and Psychological States
Notice bibliographique
Résumé
The objective of this investigation was to explore in a sample of female students the effects of several acute plyometric training intensities (low, moderate, and high—55–65%, 70–80%, and 90–100% of maximal vertical jump performance, respectively) on cognition (attention) and psychological states (mood). Thirty-seven female students (mean age = 19.72 ± 0.73 years, mean body mass index = 19.51) participated in the current study. They were randomly allocated to one of three conditions: a high-intensity plyometric exercise (HIPE), a moderate-intensity plyometric exercise (MIPE), and a low-intensity plyometric exercise (LIPE). Before and immediately after each session for the three conditions, all participants underwent a cognitive performance test (d2 test) and filled in a battery of psychological questionnaires (the Rating of Perceived Exertion (RPE), and the Brunel Mood Scale (BRUMS)). The data reported higher concentration performance and a lower number of errors in the MIPE when compared with HIPE (all, p-value < 0.05) groups, whereas no significant difference was found between other conditions (p-value > 0.05). The RPE value was higher in the HIPE (p-value < 0.001) and MIPE (p = 0.01) than in the LIPE, and in the HIPE than in the MIPE (p = 0.001) conditions. Concerning the BRUMS scale, fatigue (p = 0.005) was significantly different among the various conditions, being higher in HIPE with respect to MIPE and LIPE (all, p-value < 0.05) conditions. In conclusion, moderate-intensity plyometric exercise can be considered the best activity to improve visual attention. Practitioners may practice moderate-intensity plyometric exercises to improve concentration performance. However, due to the limitations of the present study (lack of a control group and between-subjects study design), further research in the field is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».