Association Of Sleep Quantity And Mood State With Countermovement Jump Performance In Male Football Athletes
Notice bibliographique
Résumé
PURPOSE: To discern the association of self-reported sleep quantity and mood state with countermovement jump (CMJ) performance in male football athletes, and to determine whether differences existed depending on starter status. METHODS: Seventy-seven male football athletes (age: 20 (2) years; height: 185 (7) cm; mass: 98 (19) kg; training experience at the collegiate level: 1.5 (1.0) years; starters: n = 21; dressers: n = 18; non-dressers: n = 38) from McMaster University participated in a 5-week longitudinal study. Participants self-reported their sleep quantity (amended from the Pittsburgh Sleep Quality Index) and mood state (i.e., 0-10 Likert scale) weekly. Additionally, three maximal CMJ attempts were completed twice per week after a standardized 5-minute dynamic warm-up with a minimum of 60 seconds rest between successive attempts on two portable force plates. The variables obtained from CMJ testing included: jump height, countermovement depth, peak relative propulsive power, the modified reactive strength index, and time to takeoff, all of which were computed as weekly average values. Pearson’s correlation coefficients (α = 0.05, and β = 0.20) were used to determine the association between average weekly sleep quantity and mood state, and CMJ metrics. This was computed across all athletes, as well as for each individual starter category. RESULTS: Across all athletes, sleep quantity was associated with CMJ metrics, but associations vary for starter status (Table 1). CONCLUSION: Sleep quantity was related to jump performance, but the mood state of the athlete was not. These findings support previous literature showing a relationship between sleep and jump performance, while highlighting a potential lack of sensitivity in assessments of mental health. These discrepancies may be attributed to the stigmatization surrounding mental health in athletic populations. Table 1. Association between Psychological State and Countermovement Jump Biomechanics. - All Athletes Psychological State JH CMD mRSI PrPP TT Mood State 0.13 (-0.06, 0.32) 0.01 (-0.18, 0.20) 0.17 (-0.02, 0.36) 0.11 (-0.09, 0.29) -0.16 (-0.34, 0.03) Sleep Quantity 0.36 (0.18, 0.52) *** -0.21 (-0.39, -0.02) * 0.30 (0.11, 0.47) ** 0.28 (0.09, 0.45) ** -0.17 (-0.35, 0.02) Starters Psychological State JH CMD mRSI PrPP TT Mood State 0.16 (-0.19, 0.47) -0.23 (-0.53, 0.12) 0.09 (-0.25, 0.42) 0.07 (-0.27, 0.40) 0.03 (-0.31, 0.37) Sleep Quantity 0.42 (0.09, 0.66) * -0.01 (-0.35, 0.33) 0.40 (0.07, 0.65) * 0.36 (0.02, 0.62) * -0.52 (-0.73, -0.21) ** Dressers Psychological State JH CMD mRSI PrPP TT Mood State 0.03 (-0.29, 0.35) 0.20 (-0.13, 0.49) 0.12 (-0.21, 0.43) 0.05 (-0.28, 0.37) -0.26 (-0.54, 0.07) Sleep Quantity 0.43 (0.13, 0.66) ** -0.23 (-0.52, 0.10) 0.42 (0.11, 0.66) ** 0.31 (-0.02, 0.58) -0.24 (-0.53, 0.09) Non-Dressers Psychological State JH CMD mRSI PrPP TT Mood State 0.28 (-0.07, 0.57) 0.32 (-0.02, 0.60) 0.44 (0.11, 0.68) * 0.35 (0.003, 0.62) * -0.56 (-0.76, -0.27) *** Sleep Quantity -0.05 (-0.39, 0.30) 0.04 (-0.31, 0.38) -0.06 (-0.39, 0.29) -0.06 (-0.40, 0.29) 0.10 (-0.25, 0.43) *All values represented as r (95% confidence intervals). JH = Jump height; CMD = countermovement depth; mRSI = the modified reactive strength index; PrPP = peak relative propulsive power; TT = time to takeoff. * = p < 0.05; ** = p < 0.01; *** = p < 0.001.
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 ».