MétaCan
Menu
Retour à la cohorte
Enregistrement W4318930246 · doi:10.1519/jsc.0000000000004429

Concurrent Validity and Reliability of Different Technologies for Sprint-Derived Horizontal Force-Velocity-Power Profiling

2023· article· en· W4318930246 sur OpenAlexaff
Patrick Cormier, Ming‐Chang Tsai, César Meylan, Dana Agar-Newman, Amarah Epp-Stobbe, Zach Kalthoff, Marc Klimstra

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British ColumbiaCanadian Sport Centre PacificUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSprintIntraclass correlationMathematicsLimits of agreementStatisticsSimulationPhysicsReproducibilityEngineeringNuclear medicineMedicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Cormier, P, Tsai, M-C, Meylan, C, Agar-Newman, D, Epp-Stobbe, A, Kalthoff, Z, and Klimstra, M. Concurrent validity and reliability of different technologies for sprint-derived horizontal force-velocity-power profiling. J Strength Cond Res 37(6): 1298-1305, 2023-This study evaluated the validity and reliability of common systems to assess sprint-derived horizontal force-velocity-power ( FVPH ) profile metrics. Two double constellation athlete monitoring systems (STATSports Apex, Catapult Vector S7) and one timing gate system were compared with a radar gun for the computation of FVPH metrics. Intersystem validity was assessed using intraclass correlation coefficients (ICC), Pearson's correlation coefficients ( R2 ), and Bland-Altman plots with absolute and percent agreement. Intrasystem reliability was assessed with agreement bias and ICC. STATSports demonstrated moderate agreement for F0 , Pmax , τ, and Drf (8.62, 6.46, -9.81, and 9.96%, respectively) and good agreement for V0 and MSS (-2.18 and -1.62%). Catapult displayed good agreement across all metrics ( F0 , V0 , Pmax , MSS, τ, and Drf : -0.96, -0.89, -1.85, -0.84, 0.38, and -0.27%, respectively). Timing gates demonstrated good agreement with V0 and MSS (-2.62 and -1.71%) and poor agreement with F0 , Pmax , τ, and Drf (19.17, 16.64, -20.49, and 20.18%, respectively). Intrasystem reliability demonstrated good agreement (<2% bias) with very large to near-perfect ICC (0.84-0.99) for Catapult and STATSports systems. Overall, GPS/GNSS 10 Hz technology is reliable across devices and can provide moderate-to-good accuracy of FVPH metrics in single maximal effort sprints. However, Catapult provided better agreement for more FVPH metrics than STATSports, which may be related to differences in proprietary algorithms. Also, modeling timing gate data using current FVPH profiling techniques results in poor bias that requires greater investigation. GPS/GNSS data can be used for FVPH profiling, which could inform performance and rehabilitation processes.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,129
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,066
Tête enseignante GPT0,370
Écart entre enseignants0,303 · 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

Citations37
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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