Maximal strength measurement: A critical evaluation of common methods—a narrative review
Notice bibliographique
Résumé
Measuring maximal strength (MSt) is a very common performance diagnoses, especially in elite and competitive sports. The most popular procedure in test batteries is to test the one repetition maximum (1RM). Since testing maximum dynamic strength is very time consuming, it often suggested to use isometric testing conditions instead. This suggestion is based on the assumption that the high Pearson correlation coefficients of r ≥ 0.7 between isometric and dynamic conditions indicate that both tests would provide similar measures of MSt. However, calculating r provides information about the relationship between two parameters, but does not provide any statement about the agreement or concordance of two testing procedures. Hence, to assess replaceability, the concordance correlation coefficient ( ρ c ) and the Bland-Altman analysis including the mean absolute error (MAE) and the mean absolute percentage error (MAPE) seem to be more appropriate. Therefore, an exemplary model based on r = 0.55 showed ρ c = 0.53, A MAE of 413.58 N and a MAPE = 23.6% with a range of −1,000–800 N within 95% Confidence interval (95%CI), while r = 0.7 and 0.92 showed ρ c = 0.68 with a MAE = 304.51N/MAPE = 17.4% with a range of −750 N–600 N within a 95% CI and ρ c = 0.9 with a MAE = 139.99/MAPE = 7.1% with a range of −200–450 N within a 95% CI, respectively. This model illustrates the limited validity of correlation coefficients to evaluate the replaceability of two testing procedures. Interpretation and classification of ρ c , MAE and MAPE seem to depend on expected changes of the measured parameter. A MAPE of about 17% between two testing procedures can be assumed to be intolerably high.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».