MétaCan
Menu
Retour à la cohorte
Enregistrement W4360812673 · doi:10.23736/s0022-4707.22.13685-6

Training load and intensity distribution for sprinting among world-class track cyclists

2023· article· en· W4360812673 sur OpenAlexaff
François-Denis Desgorces, Jean Slawinski, William Bertucci, Florian Rousseau, Jean‐François Toussaint, Philippe Noirez

Notice bibliographique

RevueThe Journal of Sports Medicine and Physical Fitness · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésTrack and field athleticsTraining (meteorology)Track (disk drive)Intensity (physics)Physical therapyPhysical medicine and rehabilitationMedicineMathematicsComputer scienceAthletesGeographyPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Only few studies analyzed real training programs of sprinters while that should be a valuable step in the understanding of sprint training. The present study aimed at characterizing track cycling sprinter training by training load and intensity distribution. METHODS: Twenty-nine weeks of prechampionship training data were retrospectively analyzed for 6 world-class athletes. Training load was measured by the ratio of volume completed to maximal volume and categorized by five intensity zones (endurance: zones1-2; sprinting: zones3-5) and exercise type (on-bike or resistance). Intra-week (training monotony) and inter-week (acute-chronic workload ratio) variation was also studied. RESULTS: On-bike training represented 77.4±15.3% of total training load; resistance training, 22.6±15.2% (note high standard deviation). Total weekly training load significantly varied (P=0.0002) with high acute-chronic workload ratio (12.0±3.2 weeks >1.5 or <0.8), but low intra-week variations (training monotony, 1.81±0.20). Zone4 and zone5 made up 74.4±16.9% of total training load; zone1, 15.8±11%. Training load was seldom in zone2 (6.4±5.3%) or zone3 (3.3±4.2%). From the first to the second half of the period, zone3-4 training load decreased (39.3±3.3 to 27.4±1.7%; P=0.01), while zone5 increased (34.9±2.4 to 50±3.7%; P=0.002). CONCLUSIONS: In this reduced group of elite athletes, training appeared to mainly consist of on-bike exercises within the highest intensity zones. As demonstrated by monotony and acute-chronic workload ratio overloading and unloading are based on high variations over weeks, not days. Essentially, this study describes a polarized intensity distribution on the highest intensities which increased with world championships approach.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,047
Tête enseignante GPT0,318
Écart entre enseignants0,270 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Sports Medicine and Physical FitnessMême sujetSports Performance and TrainingTravaux en français237 207