Self-perceived middle-distance race pace is faster in advanced footwear technology spikes
Notice bibliographique
Résumé
BACKGROUND: Quantifying the potential benefits of advanced footwear technology (AFT) track shoes (i.e., "spikes") in middle-distance events is challenging, because repeated maximal effort trials (as in sprinting) or aerobic running economy trials (as in long-distance running) are not feasible. METHODS: We introduce a novel approach to assess the benefits of AFT spikes, consisting of a series of 200-m runs at self-perceived middle-distance race pace with 10 min recovery, and conduct 4 experiments to evaluate its validity, sensitivity, reproducibility, and utility. RESULTS: In Experiment 1, participants ran 1.2% slower in spikes with 200 g added mass vs. control spikes, which is exactly equal to the known effects of shoe mass on running performance. In Experiment 2, participants ran significantly faster in AFT prototype spikes vs. traditional spikes. In Experiment 3, we compared 2 other AFT prototype spikes against traditional spikes on 3 separate days. Group-level results were consistent across days, but our data indicates that at least 2 separate sessions are needed to evaluate individual responses. In Experiment 4, participants ran significantly faster in 2 AFT spike models vs. traditional spikes (2.1% and 1.6%). Speed was similar between a third AFT spike model and the traditional spikes. These speed results were mirrored by changes in step length as participants took significantly longer steps in the 2 faster AFT spike models (2.3% and 1.9%), while step length was similar between the other spikes. CONCLUSION: Our novel, interval-based approach is a valid and reliable method for quantifying differences between spikes at middle-distance running intensity.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».