Does the Selected Segment Within a Two-Legged Hopping Trial Alter Leg Stiffness and Kinetic Performance Values and Their Variability?
Notice bibliographique
Résumé
Two-legged hopping is a well-established model for assessing leg stiffness; however, in existing studies, it is unclear whether the trial segment selection affects the results. This study aimed to assess if the selected hopping segment alters the value and individual variability (%CVind) of leg stiffness and kinetic performance metrics. Elite women athletes (42, volleyball, basketball, handball) and 14 non-athletic women performed barefoot two-legged hopping (130 bpm) on a force-plate (Kistler, 9286AA, sampling at 1000 Hz). Leg stiffness was estimated from the Fz registration (resonant frequency method). Four cumulative range segments (1–10, 1–20, 1–30, and 1–40 hops) and three segments of 10-hop subranges (11–20, 21–30, and 31–40) were analyzed (repeated measures one-way Anova, p ≤ 0.05, SPSS v30.0). The hopping segment did not significantly alter the leg stiffness value (segment average 30.6 to 31.2 kN/m) or its %CVind (segment average ≈ 3%). The kinetic performance metrics depicted a solid foundation for the extracted leg stiffness value, with %CVind not exceeding 6.2%. The results indicate a data collection of just 15 hops, in continuance reduced to a 10 hops segment (after excluding the first five to avoid neuromuscular adaptation) as a robust reference choice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».