MétaCan
Menu
Retour à la cohorte
Enregistrement W4318912772 · doi:10.1519/jsc.0000000000004444

Athlete External Loads Across a Collegiate Men's Lacrosse Season

2023· article· en· W4318912772 sur OpenAlexaboutno aff
Jennifer B. Fields, Margaret T. Jones, Mary Kate Feit, Andrew R. Jagim

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSprintWorkloadQuarter (Canadian coin)MathematicsStatisticsPsychologyAnimal scienceDemographySimulationPhysical therapyComputer scienceMedicineGeographyBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Fields, JB, Jones, MT, Feit, MK, and Jagim, AR. Athlete external loads across a collegiate men's lacrosse season. J Strength Cond Res 37(8): e455-e461, 2023-Tracking and quantifying athlete workload may provide insight into best practice periodization strategies and workload management. Limited information exists detailing the external demands associated with collegiate men's lacrosse. Therefore, the purpose of this study was to investigate and compare practice, game, and positional differences across a lacrosse season. Male collegiate lacrosse athletes ( n = 17; body mass: 79.9 kg ± 9.7 kg; body fat %: 14.7 ± 3.8%) wore a global positional system device during practices ( n = 66) and games ( n = 19). External load metrics were total distance (TD), sprint distance (SD), accelerations (>3 m·s -2 ), sprint efforts, player load (PL), PL/min, and top speed. Multiple analysis of variances assessed differences in external loads across session (practice versus game) and sport position (attackers, midfielders, and defenders). A 3 × 4 analysis of variance was used to determine a position-by-time (first quarter [Q1], second quarter [Q2], third quarter [Q3], and fourth quarter [Q4]) interaction ( p < 0.05). Total distance ( p < 0.001, η2 : 0.047), SD ( p < 0.001, η2 : 0.093), sprint efforts ( p < 0.001, η2 : 0.077), PL ( p < 0.001, η2 : 0.022), and top speeds ( p < 0.001, η2 : 0.086) were all higher in games compared with practices. Attackers and defenders covered more TD ( p < 0.001, η2 = 0.0257), accelerations ( p < 0.001, η2 = 0.126), PL ( p < 0.001, η2 = 0.233), and PL/min ( p < 0.001, η2 = 0.193) than midfielders. Attackers and midfielders covered more SD ( p = 0.002 η2 = 0.043), sprint efforts ( p < 0.001, η2 = 0.053), and achieved higher top speed ( p < 0.001, η2 = 0.0063) than defenders. Volume and intensity metrics declined by Q4 in attackers and defenders ( p < 0.05), whereas external load measures did not differ across quarters for midfielders. Monitoring in-game external loads can assist coaches with individualizing training programs and preparing athletes for game demands.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,393
Écart entre enseignants0,341 · 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'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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetSports Performance and TrainingTravaux en français237 207