MétaCan
Menu
Retour à la cohorte
Enregistrement W4399891843 · doi:10.3390/app14125340

Heart Rate Dynamics and Quantifying Physical Fatigue in Canadian Football

2024· article· en· W4399891843 sur OpenAlexaffabout
Abdullah Zafar, Samuel Guay, Sophie-Andrée Vinet, Francine Pilon, Géraldine Martens, François Prince, Louis De Beaumont

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité de MontréalHôpital du Sacré-Cœur de MontréalUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFootballGeography

Résumé

récupéré en direct d'OpenAlex

The cardiac response to physical exertion is linked to factors such as age, work intensity, and fitness levels. The primary objective of this study was to characterize within-session changes in cardiac response to running in Canadian football athletes, which may indicate physical fatigue. Performance profiles were collected from GPS and heart rate (HR) sensors worn by 30 male Canadian varsity football players (20–26 years old) over 28 games and practices. Running efforts with 60–180 s of rest were detected, and the maximum HR (HRmax) and peak HR recovery (HRRpk) during rest were extracted. Additionally, a new metric of cardiovascular cost (CVC) was developed to reflect the efficiency of the HR response to physical workload. HRmax was higher in games (p < 0.001) and in linemen (p < 0.001), and it increased over time (p < 0.001). HRRpk was higher in skilled players (p < 0.001) and changed over time (p < 0.001) depending on the rest period. CVC was higher in linemen (p < 0.001) and increased over time (p < 0.001). This study demonstrated the utility of HR response metrics to quantify ongoing fatigue experienced by Canadian football athletes and proposed a novel fatigue metric capable of monitoring an athlete’s fatigue state in real time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,346
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetSports Performance and TrainingTravaux en français237 207