Student-led Exercise Testing And Prescription Has Benefits For Both Students And Their Community Volunteers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Service-learning opportunities allow students to apply their knowledge and skills through engagement with their community. Previous studies have suggested that student-led exercise testing and health screening can benefit both students and their community participants. In a third year Kinesiology course “Physiological Assessment and Training”, students at the University of Prince Edward Island are provided with an introduction to health-focused personal training and develop and manage personalized training programs for community volunteers. The purpose of this study was to investigate the impact of student-led training programs on student learning and health-related fitness outcomes for program participants. METHODS: Participants included 43 women and 13 men aged 30-65 years (mean age: 52.3 ± 10.0 years) with stable health. Students led participants through aerobic and musculoskeletal fitness tests before and after completing a 4-week training program based on participants’ fitness and interests. RESULTS: Following the program, participants experienced significant increases in grip strength (67.8 kg vs 71.9 kg), push-ups (12.6 vs 16.9), one-leg stance with eyes closed (9.4 seconds vs 12.2 seconds) and sit-and reach (31.1 cm vs 33.0 cm) (all p < 0.05). There were no changes observed in estimated VO2max (32.8 ml/kg/min vs 33.9 ml/kg/min) or one-leg stance with eyes open (39.8 seconds vs 40.2 seconds) (all p > 0.05). CONCLUSION: These results suggest that even relatively brief student-led personal training programs may provide meaningful benefits to students and their community volunteers.
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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,000 | 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 découle