MétaCan
Menu
Retour à la cohorte
Enregistrement W4413966671 · doi:10.1080/23335432.2025.2554589

Inter-limb asymmetries in professional male basketball and volleyball players: bilateral vs. unilateral jump comparison

2025· article· en· W4413966671 sur OpenAlexaff
Dimitrije Čabarkapa, Damjana V. Cabarkapa, Andrew C. Fry

Notice bibliographique

RevueInternational Biomechanics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésBasketballJumpPsychologyPhysical medicine and rehabilitationPhysical therapyMedicineGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

The purpose of the present study was to examine differences in inter-limb asymmetries between countermovement vertical jump (CMJ) and single-leg jump (SLJ) performed on an innovative portable force plate system. Seventy professional athletes competing in top-tier international leagues (e.g. NBA, Super League) participated in this investigation. Following the completion of a standardized warm-up, athletes stepped on a uni-axial dual-force plate system and performed three CMJs and six SLJs without an arm swing in randomized order. Peak takeoff and landing forces were recorded for each limb, from which asymmetry percentages were derived. Wilcoxon signed-rank test was used to make statistical comparisons (p < 0.05). Significant differences were found in all asymmetry-related metrics, overall (CMJ vs. SLJ; takeoff: 7.2 vs. 1.0%; landing: 3.3 vs. 6.8%) and within each sport. Peak takeoff force asymmetry was considerably greater in CMJ than in SLJ, while peak landing force asymmetry displayed a reverse trend, with notably greater inter-limb asymmetries being detected within SLJ than CMJ. While both tests can offer useful information to sports practitioners, these results suggest that CMJ and SLJ should not be used interchangeably but rather in conjunction with one another to obtain a better insight into athletes’ performance capabilities and inter-limb asymmetry magnitudes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,246
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,321
Écart entre enseignants0,308 · 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 tête enseignante, 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational BiomechanicsMême sujetSports Performance and TrainingTravaux en français237 207