Prediction of Maximum Lactate Concentration During an All-Out Anaerobic Test in Elite Ice Hockey Players
Notice bibliographique
Résumé
International Journal of Exercise Science 16(4) 1385-1397, 2023. The lack of specific on-ice tests to predict maximum lactate concentration limits the ability of coaches to better track and develop their ice hockey players. Thus, this study aimed to develop an equation for indirectly assessing the maximum lactate concentration produced from an all-out on-ice skating effort in elite adolescent ice hockey players. Twenty elite male ice hockey players participated in this study (age = 15.7 ± 1.0 year). The lactate anaerobic skating test (LAST) consisted of skating back and forth on an 18.2 m course at maximal speed with abrupt stops at each end for a total of 6 shuttles (total distance = 218.2 m; average time = 52.0 ± 2.0 s). The oxygen uptake was measured using a portable metabolic analyzer (Cosmed K4b2) and the maximum post-exercise lactate concentration with a Lactate Pro analyzer. The variables used to estimate lactate concentration were time, heart rate, number of skating strides in the last shuffle (6th) and the skating stride index. The average maximum lactate concentration was 14.4 mmol· L−1, which is expected in elite players. The analysis of explained common variance using T-test (r² = 0.759) and linear regression (r² = 0.863) demonstrates the validity of the model. Additionally, the root mean square error (RMSE = 0.60 mmol· L−1), the mean absolute error (MAE = 0.45mmol· L−1) and the standard error of estimate (SEE = 0.69 mmol· L−1) values further confirm the accuracy of the model. Thus, using simple and easy-to-measure variables (i.e., time and skating stride), coaches will be able to monitor more effectively their players’ progress in an effort to optimize their individual on-ice performance.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».