Estimating Muscle Fiber-Type Composition in Elite Athletes: A Survey on Current Practices and Perceived Merit
Notice bibliographique
Résumé
PURPOSE: To gather information on practices and perceptions of high-performance experts regarding their athletes' muscle fiber-type composition (MFTC) and its estimation. METHODS: A questionnaire on the noninvasive versus invasive estimation of MFTC was completed by 446 experts including coaches and sport-science/sports-medicine staff. Moreover, the perceived importance of MFTC for training and performance optimization was assessed. Differences between sport types (individual and team sports) were analyzed using chi-square tests. RESULTS: Forty percent of the experts implemented MFTC assessment in pursuit of performance optimization, while 50% did not know their athletes' MFTC but expressed a desire to implement it if they would be able to assess MFTC. Ten percent did not perceive value in MFTC assessment. Only 18% of experts believed that their athletes would undergo a muscle biopsy, leading to the adoption of alternative noninvasive techniques. Experts primarily relied on their experience to estimate MFTC (65%), with experts working in individual sports using their experience more frequently than those working in team sports (68% vs 51%; P = .009). Jump tests emerged as the second-most commonly employed method for estimating MFTC (56%). When only considering experts who are currently using MFTC, 87% use MFTC to individualize training volume and 84% to individualize training intensity. CONCLUSIONS: Experts value MFTC assessment primarily to individualize training but mainly rely on noninvasive methods to estimate MFTC. Some of these methods lack scientific validity, suggesting a continuing need for education and further research in this area.
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 | 0,003 | 0,007 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».