Effect of velocity on force production capabilities during single and repeated high-intensity exercises
Notice bibliographique
Résumé
Le but de ce travail était d’étudier l’influence de la vitesse sur les capacités de production de force des membres inférieurs lors d’efforts intenses uniques et répétés (i.e. l’endurance de force).La première partie (Partie 1) était focalisée sur le type de modélisation pour définir la relation force-vitesse lors d’extensions maximales et acycliques des membres inférieurs. Cette première partie a apporté des éléments originaux qui supportent la linéarité de la relation force-vitesse, notamment du côté vitesse de la relation. En considérant toutes les conditions de force et de vitesse, la linéarité a été confirmée expérimentalement sur 80% du spectre total de la relation force-vitesse (i.e. de 6 à 86% de la vitesse maximale théorique), même en comparaison avec un modèle curvilinéaire.La deuxième partie (Partie 2a) avait pour but i) d’étudier l’effet de la condition de force-vitesse sur l’endurance de force (i.e. le nombre maximal de répétitions), en contrôlant l’effet de la fréquence de répétitions, et ii) de revisiter l’effet de l’intensité de l’exercice, communément exprimée relativement à la seule valeur de la puissance maximale obtenue à vitesse optimale (Pmax). Les résultats montraient que l’endurance de force était davantage affectée par l’intensité de l’exercice lorsqu’elle était quantifiée par le niveau de puissance exprimée relativement à la puissance maximale spécifique à la vitesse (Pmaxv) que lorsqu’elle était exprimée relativement à Pmax. Les résultats montraient aussi que les différences endurance de force était expliquée à 88% par Pmaxv et à 10% par la condition de force-vitesse dans laquelle cette puissance relative est développée. L’endurance de force était plus importante lorsque Pmaxv était diminuée et dans les conditions de force faible-vitesse élevée. Au-delà du nombre maximal de répétitions, les conditions de force faible-vitesse élevée permettaient de fournir un travail mécanique total plus important à un niveau de Pmaxv donné.La troisième partie (Partie 2b) visait à étudier la variabilité interindividuelle de l’effet de la condition de force-vitesse sur l’endurance de force. Suite à cette étude, il a été mis en avant que l’effet de la condition de force-vitesse sur l’endurance de force n’était pas le même chez tous les individus et notamment qu’il existe des profils d’athlètes différents : certains étant plus endurants dans des conditions de force faible-vitesse élevée ou, à l’inverse, dans des conditions de force élevée-vitesse faible. Ce profil force-vitesse-endurance individuel donne une indication sur l’orientation des capacités d’endurance vers des conditions de force faible-vitesse élevée, ou inversement. D’un point de vue pratique, ces résultats montraient qu’un individu présentant la meilleure performance d’endurance de force dans une condition de force-vitesse à un niveau de Pmaxv donné, n’était pas systématiquement le meilleur dans toutes les conditions de force-vitesse. Au-delà de dépendre de l’intensité de l’exercice, l’endurance de force dépend également de ce profil force-vitesse-endurance.Pour conclure, ce travail de thèse a confirmé que l’effet de la vitesse sur les capacités de production de force des membres inférieurs lors d’efforts uniques et maximaux était linéaire sur l’ensemble des conditions fonctionnelles de vitesse, notamment à des vitesses très élevées. Ces travaux ont également montré que lors d’efforts intenses et répétés, la condition de force-vitesse dans laquelle la puissance est développée influence l’endurance de force, indépendamment de la puissance et de la fréquence de mouvement. De plus, l’influence de cette condition de force-vitesse sur l’endurance de force n’est pas similaire chez tous les individus : chaque individu présente un profil force-vitesse-endurance qui lui est propre. Une détermination des conditions de force-vitesse-puissance semble intéressante pour évaluer et entrainer les capacités de production de force avec une approche individualiséeàchacun
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,004 | 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 ».