Bridging the Relationship between Anthropometrics, Physical Performance, and Specific Soccer Skills in Young Male Soccer Players
Notice bibliographique
Résumé
Objective. The aim of this study was to investigate the association between anthropometrics, physical performance, and specific soccer skills in young male soccer players. Method. 132 male soccer players aged 13-15 years old were recruited and categorized according to three distinct playing positions: defenders, midfielders, and forwards. Anthropometric profiles, including height, weight, body mass index, body fat, muscle mass, and 2D:4D finger length ratio were evaluated. Furthermore, acceleration ability (10m, 20m, and 30m velocity), countermovement jump (CMJ) test, drop jump (DJ) test; sit and reach test (SRT), and Y-balance test (YBT) were assessed. Soccer-specific performance was measured by the lofted passing accuracy over 35 meters protocol and the modified Illinois change-of-direction test with ball dribbling speed. Results. There was a significant strong positive correlation between the right and left digits’ ratios (r = .644, p < 0.001). However, the 2D:4D ratio of both hands demonstrated no significant differences between playing positions. Notably, body weight and muscle mass showed large positive correlations with long passing accuracy (r = .378, r = .418, respectively), while there was a moderate inverse relationship between dribbling time and both CMJ with arm swing (r = -.396) and drop jump height (r = -.305). Additionally, the YBT on both legs was negatively associated with dribbling time. Conclusion. Our results provide strong evidence that higher muscle mass and weight are associated with greater long passing accuracy, while better performance in countermovement and drop jumps serve as a key predictor of faster dribbling times. This information is useful for talent identification and performance optimization in young male soccer players.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».