Wearable Biosensors to Monitor Workload in Dancers: A Systematic Review
Notice bibliographique
Résumé
Introduction: Dancers are aesthetic athletes with high workloads similar to sport athletes. Wearable biosensors are used in athletics to assess workload and inform training decisions to optimize performance and reduce fatigue and injury risk. While workload monitoring methods in dancers have been systematically reviewed, limited research specifically examines using wearable biosensors for this purpose. Thus, this study aims to systematically review how wearable biosensors are used to monitor workload in dancers. Methods: Following PRISMA guidelines, 8 databases were searched by 2 authors. Articles were included if participants were current dancers, workload was assessed during dance activity by wearable biosensors, and published in English in a peer-reviewed journal. Dancer characteristics (age, sex, anthropometrics, years dancing, training level, dance style) and methods (sessions, variables, setting, biosensor) were extracted and synthesized in an Excel synthesis matrix. The Joanna Briggs Institute (JBI) Critical Appraisal Checklists were used to assess the risk of bias. Results: 35 of 119 potentially relevant studies were included. Heart rate (HR) monitors (25 studies) and accelerometers (12 studies) were primarily used. 24 studies (69%) examined only objective workload and 23 studies (66%) examined internal workload. The most common dependent variable was HR (25 studies). The duration of data collection ranged between 1 and 49 days, with 26% of studies (n = 9) using a single day. High-level (14 studies) female (74.7%; n = 1342) ballet dancers (45.7%; n = 16 studies) were most assessed. Risk of bias was fair-to-moderate across studies. Conclusions: This systematic review highlights 4 primary trends across previous literature assessing workload in dancers using wearable biosensors to inform future research. First, HR monitors, followed by accelerometers, are the most common wearable biosensors used to quantify workload in dancers. Second, most studies only evaluated objective physiological (internal) workload, primarily using HR variables. Third, data were primarily collected within a timeframe of 1 to 3 days. Finally, high-level female ballet dancers were predominantly assessed.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 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 ».