Predicting Multijoint Maximal Eccentric and Concentric Strength With Force-Velocity Jump Mechanics in Collegiate Athletes
Notice bibliographique
Résumé
PURPOSE: Maximal muscle strength is often assessed with single-joint or repetition-maximum testing. The purpose of this study was to evaluate the reliability of countermovement-jump (CMJ) velocity-load testing and assess the relationship between CMJ velocity-load kinetics and concentric-isometric-eccentric multijoint leg-extension strength tested on a robotic servomotor leg press in trained athletes. METHODS: University athletes (N = 203; 52% female) completed 3 concentric, isometric, and eccentric maximum voluntary leg-extension contractions on the robotic leg press, followed by CMJ velocity-load testing with an additional external load of 0% (CMJBW), 30% (CMJ30), and 60% (CMJ60) of body mass. A linear model was fit for the CMJ takeoff velocity-load relationship to obtain the load intercept. Force-velocity parameters were obtained for the CMJ eccentric deceleration and concentric phases. Linear mixed-effects models were constructed to predict concentric, isometric, and eccentric leg-press force using the CMJ takeoff velocity-load relationship and CMJ kinetics. RESULTS: Isometric leg-press strength was predicted by load intercept and sex (P < .001, R2 = .565, prediction error = 14%). Concentric leg-press strength was predicted by load intercept, CMJ60 concentric impulse, and sex (P < .001, R2 = .657, prediction error = 10%). Eccentric leg-press strength was predicted by minimum downward velocity, CMJ60 eccentric deceleration impulse, and sex (P < .001, R2 = .359, prediction error = 14%). CONCLUSIONS: Given the relevance of muscle-strength testing for sport performance and injury prevention, assessing force-velocity mechanics with loaded CMJ testing is a reliable and viable approach to predict maximal concentric, isometric, and eccentric leg-press strength in competitive athletes.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».