Association Between Variations in Training Load, Sleep, and the Well-Being of Professional Hockey Players
Notice bibliographique
Résumé
PURPOSE: To evaluate whether sleep quantity and quality of professional hockey players is affected by external training load (TL), their perception of well-being, and contextual factors associated with match participation. METHODS: Fifty male athletes were monitored daily during the 28 weeks of the regular season using well-being and sleep surveys. On-ice external TL was monitored using portable inertial measurement units during practices and matches. Linear mixed-effects models were applied to evaluate whether well-being perception (ie, pain, nutrition, stress, and rest) and external TL may affect sleep quality and quantity. RESULTS: High levels of well-being positively affected sleep duration and quality (P < .001), whereas high-intensity TL had a detrimental impact on sleep duration (P = .007). Moreover, away and evening matches had a detrimental effect on sleep quantity and quality (P < .001). Finally, a high match on-ice load per minute had a negative association with sleep quality (P = .04). CONCLUSIONS: Findings indicate that well-being and high-intensity trainings can impair sleep duration and quality. In addition, high-intensity match load, away matches, and evening matches can impair postmatch sleep. Therefore, monitoring well-being in conjunction with TL is essential to understand sleep disturbances in athletes. Practitioners should also implement sleep hygiene strategies that facilitate longer time in bed after high-intensity, away, and evening matches to help athletes recover.
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) | 0,001 | 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 ».