The relationship between off-ice testing and on-ice performance in male youth Ice hockey players
Notice bibliographique
Résumé
Introduction: Ice hockey demands a unique blend of physical fitness and skill, necessitating a comprehensive understanding of the factors influencing on-ice performance. The present study was designed to examine the relationship between off-ice and on-ice performance measures in male, youth, ice hockey players. Methods: Eleven minor hockey players (Age = 9.8 ± 1.1 years) participated in two testing days: (1) off-ice and (2) on-ice assessments. Off-ice assessments included maximal aerobic power, anaerobic fitness, muscular strength (handgrip and single leg squat), muscular endurance (curl-ups and push-ups), muscular power (standing long jump and vertical jump), and 30 m sprinting speed and acceleration. On-ice testing included a 15.2 m maximum speed test, a 6.1 m acceleration test with a continuation into a 47.9 m top speed test, an agility cornering S turn test, and a shot velocity test. Results: Twenty-four out of 33 off-ice variables were significantly correlated with at least one of the 11 on-ice performance variables. From those 24, 10 were included as predictors for at least one of the on-ice performance variables. Each model was composed of either one or two predictors, where the most common predictors were 30 m Run - Split (6.1 m) Sprint time and 30 m Run - Total (30 m) Sprint Max speed (included in four out of 11 models each). The prediction formulas R2 and coefficient of variation ranged from 0.63% to 0.96% and 1.2% to 15.3%, respectively. Discussion: Diverse off-ice measures of aerobic fitness, anaerobic power, muscular strength, power, and endurance, and sprinting speed, acceleration, and agility are predictive of on-ice performance. The insights gained from this study contribute to the refinement of assessment protocols, fostering a comprehensive approach to optimizing player performance and potential. Understanding the connection between objective off-ice testing and on-ice performance can support tailored training programs and player development in male youth ice hockey.
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 | 0,002 |
| 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) | 0,002 | 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 ».