MétaCan
Menu
Retour à la cohorte
Enregistrement W4405372423 · doi:10.53555/sfs.v10i3.3229

Assessment Of Cardiovascular Endurance And Stress Levels Of Female Sportspersons During The Menstrual Cycle

2023· article· en· W4405372423 sur OpenAlexvenueno aff
S H

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Training Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMenstrual cycleMedicineStress fracturesPsychologyPhysical therapyPhysiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine the impact of different menstrual cycle phases on cardiovascular endurance and stress levels in female athletes.Thirty female athletes, aged 21-25, from the Physical Education Department of Kuvempu University, Shankaraghatta, were selected through purposive sampling.The research focused on two key phases of the menstrual cycle: the early follicular phase (Day 2) and the luteal phase (Day 15).Cardiovascular endurance was assessed using the Harvard Step Test, while stress levels were measured using a standardized questionnaire.Data collection involved pre-tests on Day 2 and post-tests on Day 15.Descriptive statistics, including mean and standard deviation, were employed, and paired samples t-tests were conducted to compare the results between the two phases.The results indicated significant differences in cardiovascular endurance and stress levels between the early follicular and luteal phases.Participants showed reduced cardiovascular endurance and heightened stress levels during the luteal phase compared to the early follicular phase.These variations are likely due to hormonal changes, particularly increased progesterone during the luteal phase, which is known to influence physical and psychological performance.This study underscores the need to consider menstrual cycle phases in the design of training programs for female athletes.Understanding how hormonal fluctuations affect performance can help coaches and trainers create more effective training and recovery plans that align with the athlete's physiological conditions.

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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,335
Tête enseignante GPT0,439
Écart entre enseignants0,104 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetPhysical Education and Training StudiesTravaux en français237 207