Comparative analysis of physical fitness and body composition in first-year bachelor sports sciences students from France and Portugal
Notice bibliographique
Résumé
BACKGROUND: Physical fitness and body composition are foundational to the training and academic success of sports sciences students. However, baseline physical profiles may vary across institutions and countries, reflecting differences in cultural, educational, and physical activity environments. This study aimed to compare physical fitness levels and anthropometric characteristics of first-year sports sciences students from three European institutions in France and Portugal. METHODS: ), upper- and lower-body strength (handgrip, isometric mid-thigh pull), explosive power (standing long jump), flexibility (sit-and-reach), and balance (standing stork test). Anthropometric measures included body mass, fat mass, and lean mass. Group and gender differences were analyzed using ANOVA and effect sizes. RESULTS: Students from UMLP displayed significantly higher performance in estimated VO₂max (IPB vs UMLP d = 1.08; IPG vs UMLP d = 0.81), strength (isometric mid-thigh pull [IPB vs UMLP d = 0.65; IPG vs UMLP d = 0.73]), flexibility (IPB vs UMLP d = 0.61; IPG vs UMLP d = 0.69), balance (IPG vs UMLP d = 0.91), and body composition (higher lean mass [IPB vs UMLP d = 0.19; IPG vs UMLP d = 0.28], lower fat mass [IPB vs UMLP d = 0.22; IPG vs UMLP d = 0.31]) compared to their Portuguese peers. IPG students outperformed the other groups in the standing long jump test (IPB vs IPG d = 0.51; IPG vs UMLP d = 1.38). Males consistently outperformed females across all fitness domains except flexibility. Significant group-by-gender interactions were observed for flexibility and strength measures. CONCLUSIONS: This study highlights substantial differences in physical fitness and body composition among first-year sports sciences students across institutions in France and Portugal. These findings underline the importance of assessing students' physical readiness at university entry and suggest that institutional and cultural factors may influence physical health trajectories. Targeted interventions may be warranted to ensure baseline fitness equity and promote academic and athletic success.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».