Mechanical Characteristics and Skating Performance of Trained Youth Ice Hockey Players at Different Maturation Stages
Notice bibliographique
Résumé
Objectives: This study aimed to investigate the skating force–velocity (F–V) mechanical characteristics of trained youth ice hockey players at different stages of their maturational development. Methods: A total of 52 male trained ice hockey players (14.6 ± 1.4 years) from U13, U15, U17, and U18 competitive teams of the same hockey program were classified into three maturation groups—Pre-, Mid-, and Post-peak height velocity (PHV). Participants performed two 40 m maximal skating efforts while velocity data were collected using a radar device to derive F–V parameters (e.g., theoretical maximal force (F0), velocity (V0), power (Pmax), and related metrics). The maturation offset was computed using the following formula: Maturity offset = −8.128741 + (0.0070346 · (Chronological age · Sitting height)). Results: Results revealed significant effects of puberty on most performance variables (F(2,49) = [5.58, 31.72]; p ≤ 0.07; η2 = [0.19, 0.56]). Differences in acceleration (0–10 m time) and F0 improved markedly between Mid- and Post-PHV stages (|d| = [1.38, 1.92]), while V0 and maximal sprint velocity (30–40 m time) improved constantly across maturation stages (|d| = [1.03, 1.99]). Conclusions: This is the first study to provide reference skating F–V profile values across puberty in trained youth male ice hockey players. Coaches and practitioners are encouraged to prioritize acceleration and skating technique early during puberty to maximize velocity development and emphasize strength development after reaching peak height velocity. Conclusions should be considered with care as the Pre-PHV group was small (n = 5) and the used F–V method remains to be validated on ice.
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 | 0,000 | 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 ».