Associations Between Physical Performance and Golf Shot Data: A Pilot Study of Touring Professional Female Players
Notice bibliographique
Résumé
ABSTRACT: Robinson, L, Murray, A, Glover, D, Coughlan, D, Mountjoy, M, Scott, F, Turner, A, and Bishop, C. Associations between physical performance and golf shot data: a pilot study of touring professional female players. J Strength Cond Res 39(6): 687-694, 2025-This study examined the relationship between a comprehensive physical testing battery and golf shot data in touring professional female golfers. Nineteen players (age: 31.00 ± 5.64 years; height: 170.84 ± 7.24 cm; body mass: 67.74 ± 9.16 kg; wingspan: 127.37 ± 14.21 cm) volunteered to take part in the study. Each player completed a dynamic warm-up before engaging in a 90-minute testing session, which gathered information on both physical capacity and golf shot data, all of which was collected at a single Ladies European Tour event. Golf shot data included clubhead speed, ball speed, carry distance, and smash factor, using a Trackman 4 launch monitor. Physical testing included anthropometry data, seated thoracic rotation, isometric mid-thigh pull (IMTP), isometric bench press, countermovement jump (CMJ), and seated medicine ball throws for distance. Pearson's r correlations showed the CMJ to have the strongest and most consistent associations with golf shot performance ( r = 0.51-0.60). In addition, force at 100 ms during the IMTP also demonstrated large associations with carry distance ( r = 0.59), further highlighting the significance of rapid force production in the lower body. Collectively, the findings demonstrate the importance of lower body ballistic force production for female golfers, providing important information for practitioners regarding the relevant physical capacities for testing and training.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».