Do small samples bias the correlation between strength and jumpperformance? Multivariate insights into age and sex amidststrength saturation: an analysis of 1,544 participants fromdifferent sports
Notice bibliographique
Résumé
Maximal strength is considered a fundamental aspect of athletic performance across a wide range of sports and is also needed for a range of activities of daily life. Yet, compared to males there are fewer publications examining females, with most showing similar coefficients of correlation between dynamic strength and different athletic performances. In both, males and females, results are biased by mostly small sample sizes (sample bias) leading to a fluctuation around the true correlation coefficient of the entire population. This crosssectional analysis involving 1544 participants employed multivariate and correlative analyses to clarify the importance of maximum strength in the parallel back squats on the jump performance controlling for variables such as type of sport, sex, age, and performance level. The analysis revealed two principal components that reflect distinct types of variability within the dataset: the first, primarily associated with performance capabilities, accounts for 58.45% of the variance, while the second, emphasizing demographic differences, accounts for a considerably lower variance of 25.08%. The correlation analyses in this study identified maximal strength as a significant factor influencing jumping performance, accounting for 48-53% of the variance in jump height. The analysis presents a saturation curve, with potential diminishing returns at higher strength levels. Age and sex had little to no effect on overall correlation coefficients. The overall correlation coefficients and the analyses for the subgroups (by sport and performance level) can differ considerably, which can be explained (mathematically) by the artificial formation of clusters, homogeneous subject groups, or small sample sizes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».