660 EP100 – Identifying residual gaps in explosive strength with isokinetic dynamometry
Notice bibliographique
Résumé
Background Optimal strength plays a pivotal role in reducing the risk of sports-related injuries; nonetheless, the unique characteristics of strength warrant specific and focused assessment. Objective to evaluate the association between peak torque and the rate of force development (RFD) in a cohort of elite level athletes Design cross-sectional study Setting data obtained from athletes training at Institut National du Sport du Québec Participants 183 healthy athletes partaking in national or international level sport competitions (73 males and 104 females) Assessment of Risk Factors evaluation of torque strength using a Con-TREX MJ system at 60°/s for knee joint muscles and 180°/s for shoulder joint muscles Main Outcome Measurements Spearman rank correlations were employed to compare average peak torque and rates of force development in knee flexion and extension for lower-body sports, as well as shoulder internal and external rotation for upper-body sports. Furthermore, potential sex differences were assessed using Student t-tests. Results Correlation analyses showed high to very high correlation between mean peak torque and RFD for the knee (rho=0.89 to 0.97) and for the shoulder (rho=0.83 to 0.99). Overall, the male athletes exhibited greater values of shoulder torque and RFD than the female athletes (p<0.01). Males were stronger in knee flexion as well, but group differences were not significant for knee extension torque (p=0.08) or RFD (p=0.29). Further analysis of the residuals indicate that outliers strayed further from the mean below the group average (IQR>1.5). Conclusions Mean peak torque and RFD were highly correlated in this cohort of athletes. However, sizeable outliers were present when below-average RFD was present for athletes with typical peak torque. Further research is necessary to explore whether these characteristics are observed in injured athletes, and whether insufficient RFD values may be a better indicator of readiness to return to sport than peak torque.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».