Effect of listening to preferred music at different frequencies during warmup on physical performance and psychophysiological responses in male athletes
Notice bibliographique
Résumé
The present study assessed the effects of listening to preferred music during warm-up at different frequencies (440 Hz vs. 432 Hz) on the physical performance and psychophysiological responses in male athletes. In a double-blind crossover study design, twenty-two male athletes (Mean ± SD: age: 22.4 ± 1.6 years; body mass: 71.8 ± 8.3 kg; height: 1.83 ± 0.1 m; BMI: 22.7 ± 1.9 kg. m − 2 randomly performed the 3-min all out test (3MT), repeated sprint test (RST), squat jump (SJ) and countermovement jump (CMJ) tests after listening to preferred music at 440 Hz–432 Hz frequencies or without music during warm-up. Heart rate was measured during 3MT, Also, rating of perceived exertion (RPE) and feeling scale (FS) were measured just after 3MT and RST tests. Results showed that no music condition induced lower performance compared to listening to preferred music at 440 Hz (mean speed: p < 0.001, d = 0.82; peak speed: p < 0.001, d = 0.85; total distance covered: p < 0.001, d = 0.83; FS: p < 0.001, d = 1.21) and music 432 Hz (mean speed: p < 0.001, d = 0.75; peak speed: p < 0.001, d = 0.58; total distance covered: p < 0.001, d = 0.76, FS: p = 0.004, d = 0.77) during 3MT. In addition, a significant decrease in Total time and Fast time indices of RST, FS, SJ and CMJ values was recorded with music at 440 Hz compared to music 432 Hz (total time: p < 0.001, d = 0.65; fast time: p < 0.001, d = 0.53; FS: p = 0.018, d = 0.59; SJ: p = 0.031, d = 0.3; CMJ: p = 0.007, d = 0.41) and no music condition (total time: p < 0.001, d = 0.89; fast time: p < 0.001, d = 0.57; FS: p < 0.001, d = 1.21; SJ: p < 0.001, d = 0.64; CMJ: p < 0.001, d = 0.54). However, no significant change was observed in heart rate, fatigue index of the RST, or RPE. Listening to preferred music at a fast tempo and moderate volume during warm-up sessions improved physical performance and positive mood irrespective of whether it was tuned to 440 Hz–432 Hz. The benefits were more noticeable at 440 Hz.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».