增强式训练对13–14岁青少年排球运动员跳跃生物力学、爆发力和跳跃耐力的影响 迪尔舒德贝克·马马约诺夫(Dilshodbek Mamajonov)、纳佐卡特·图赫塔博耶娃(Nazokat Tukhtaboeva)和阿里舍尔·伊扎图莱耶夫(Alisher Izatulayev)

《Physiologia》:Effects of Plyometric Training on Jump Biomechanics, Explosive Strength, and Jump Endurance in Adolescent Volleyball Players Aged 13–14 Years Dilshodbek Mamajonov, Nazokat Tukhtaboeva and Alisher Izatulayev

【字体: 大 中 小 】 时间:2026年05月07日 来源:Physiologia 2.3

编辑推荐:

  摘要 背景/目标:本研究探讨了为期八周的增强式训练计划对13-14岁排球运动员的跳跃生物力学、实地跳跃表现以及重复跳跃耐力的影响,并分析了训练所引发的变化。方法:采用前后对照实验设计。30名13-14岁的男性排球运动员被分为实验组(EG,n = 15)和对照

  摘要 背景/目标:本研究探讨了为期八周的增强式训练计划对13-14岁排球运动员的跳跃生物力学、实地跳跃表现以及重复跳跃耐力的影响,并分析了训练所引发的变化。方法:采用前后对照实验设计。30名13-14岁的男性排球运动员被分为实验组(EG,n = 15)和对照组(CG,n = 15)。实验组在常规排球训练的基础上,每周进行三次结构化的增强式训练,而对照组则继续维持日常训练。使用BTS Bioengineering G-Walk惯性测量系统在重复反向运动跳跃测试中评估生物力学变量,并进行实地跳跃和重复跳跃耐力测试。结果采用双因素混合方差分析(Group × Time)进行分析。相关性分析使用Pearson和Spearman系数,并进行了假发现率校正。结果:所有分析的RCMJ变量均显示出显著的组间×时间交互效应(p < 0.001)。所有实地跳跃和重复跳跃耐力指标也显示出显著的交互效应(p ≤ 0.025)。实验组在主要生物力学指标、实际表现和耐力相关指标方面随时间表现出更大的改善。相关性分析显示,主要RCMJ变量与实地跳跃和耐力测量之间存在强相关性。结论:结构化的增强式训练计划可以改善青少年排球运动员的跳跃生物力学、跳跃表现和重复跳跃耐力。但由于基线差异、样本量较小以及力与功率估计的基于惯性测量单元的性质,这些发现应谨慎解读。

1. 引言
排球是一项强调速度和力量的团队运动。运动员在短时间内需要完成许多高强度的跳跃和爆发性动作[1,2]。比赛中,排球运动员会执行许多复杂动作,如垂直跳跃、拦网、扣球和快速方向变换[3]。研究报告指出,一名职业排球运动员一场比赛可以完成200-400次跳跃。爆发力、肌肉协调性和动作效率是关键技能[4,5,6]。因此,提高跳跃能力是排球训练的重要部分。影响跳跃能力的主要因素包括肌肉和肌腱的弹性、伸缩循环(SSC)的效率、峰值功率、肌肉激活速度以及神经肌肉变化[7,8]。增强式训练常用于体育训练中以提升这些方面。这类练习利用SSC储存肌肉中的弹性能量,触发快速反射,并提高收缩速度[9,10]。许多研究表明增强式训练有效,但大多数研究集中在成人或训练有素的运动员身上[1,11,12,13]。对于13-14岁的年轻运动员而言,骨骼、肌肉和神经仍在发育中[14]。因此,研究适合这一年龄段的适当且安全的增强式训练计划非常重要。早期研究主要关注运动员的跳跃高度[15,16],但排球中的跳跃效率取决于多个因素:爆发力、起跳时的力量、跳跃技巧、速度和耐力[3,17]。当前的研究强调了使用传感器技术进行全面生物力学测试的价值。例如,G-Walk设备可以测量跳跃高度、起跳力量、向心功率、峰值速度和耐力指数,这些指标在其他研究中已被证明是可靠的[18,19]。因此,研究增强式训练对年轻排球运动员跳跃生物力学、爆发力和耐力的影响对于训练和运动科学都至关重要[2,20]。特别是分析训练如何改变这些指标有助于我们理解整个跳跃过程。然而,关于13-14岁排球运动员的实验研究尚不足,尤其是在使用传感器测量起跳力量、功率和耐力指数方面。本研究的科学创新之处在于同时使用G-Walk惯性测量系统评估跳跃生物力学和跳跃耐力,并结合Δ相关性分析,以识别增强式训练对13-14岁排球运动员引发的神经肌肉适应性变化。本研究旨在确定八周增强式训练计划对13-14岁排球运动员跳跃生物力学、爆发肌力和跳跃耐力的影响,并评估这些参数之间的Δ关系。假设增强式训练能显著改善他们的跳跃表现、爆发力和耐力,并且这些指标的变化之间存在较强的相关性。为了验证这些假设,本研究采用了前后对照实验设计来比较实验组和对照组的结果。

2. 结果
对实验组和对照组在RCMJ测试中获得的生物力学变量进行干预前后的变化分析,以确定训练对跳跃高度、起跳力量、向心功率、运动速度和耐力指数的影响。结果显示,所有主要RCMJ生物力学变量从测试前到测试后都有所改善,但实验组的变化幅度更大。混合方差分析显示,CMJ高度(F(1,28) = 145.0, p < 0.001)、起跳力量(F(1,28) = 175.5, p < 0.001)、最大向心功率(F(1,28) = 114.2, p < 0.001)、峰值速度(F(1,28) = 269.4, p < 0.001)和耐力指数(F(1,28) = 250.5, p < 0.001)的组间×时间交互效应具有统计学意义。这些发现表明,与对照组相比,实验组的改善更为显著。特别是在峰值速度和耐力指数方面,随着时间的推移,差异更为明显,表明力量-速度特性和重复跳跃表现的稳定性有所提升。

表1显示,实验组和对照组的所有主要RCMJ生物力学变量从测试前到测试后都有所改善。表2展示了实验组和对照组在实地跳跃表现指标上的变化,结果显示,跑步双腿垂直跳跃测试(F(1,28) = 51.07, p < 0.001)、纯垂直跳跃高度测试(F(1,28) = 22.22, p < 0.001)、立定跳远测试(F(1,28) = 110.0, p < 0.001)和Abalakov方法(F(1,28) = 48.58, p < 0.001)的组间×时间交互效应具有统计学意义。描述性结果显示,实验组在所有变量上都显示出比对照组更大的改善,尤其是在立定跳远和跑步双腿垂直跳跃测试中。总体而言,实地测试结果支持增强式训练计划有效提高了13-14岁排球运动员的实际跳跃表现。表3显示了实验组和对照组在重复跳跃耐力指标上的变化,所有分析指标的组间×时间交互效应均具有统计学意义。描述性结果进一步表明,实验组在所有变量上都优于对照组,特别是在重复跨栏跳跃测试中,表明其重复爆发跳跃能力得到了显著提升。

相关分析显示,主要RCMJ变量与实地跳跃和耐力指标之间存在强相关性。这些发现表明,增强式训练对青少年排球运动员的跳跃生物力学、爆发力和耐力有积极影响。然而,由于基线差异、样本量较小以及力和功率估计的基于惯性测量单元的特性,这些结果应谨慎解读。最强的正相关性出现在以下变量对之间:Test 1.1–Test 1.2(r = 0.94)、Test 1.1–Test 1.3(r = 0.86)、Test 1.2–Test 1.3(r = 0.83)以及Test 1.1–Test 1.5(r = 0.85),这些在热图上用较深的颜色表示。Test 1.3–Test 1.5(r = 0.82)和Test 1.4–Test 1.5(r = 0.76)也记录了较高的正相关性。对于基于场地的测试,Test 2.1和Test 2.2(r = 0.69)以及Test 2.3和Test 3.3(r = 0.67)之间也观察到了正相关性。相比之下,发现了几种负相关性,特别是在Test 2.2和Test 3.1(r = ?0.60)以及Test 2.2和Test 3.3(r = ?0.54)之间。其余的变量对表现出较弱到中等的相关性。图2展示了一个彩色编码的Spearman相关性热图,说明了青少年排球运动员Δ值(后测-前测)之间的单调关系。颜色范围从?1到+1,分别代表负相关和正相关。Spearman分析的结果显示了与Pearson相关性相似的结构模式。特别是,在热图中非常明显地显示了Test 1.1、Test 1.2、Test 1.3、Test 1.4和Test 1.5之间的强正单调相关性(κ = 0.75–0.95)。Test 2.2与Test 3.1和Test 3.3之间也发现了负相关性,这在颜色尺度上表现为负值。

3. 讨论
本研究考察了为期八周的增强式训练计划对13-14岁排球运动员跳跃生物力学、基于场地的跳跃表现和重复跳跃耐力方面的影响。总体而言,结果显示实验组在主要生物力学指标、实际表现和重复跳跃耐力指标上随时间的进步幅度大于对照组。显著的组别×时间交互效应表明,所实施的增强式训练计划引发了除了常规排球训练之外额外的适应性变化。然而,这些发现应谨慎解读,因为两组之间存在基线差异,并且样本量相对较小。最一致的效果体现在使用G-Walk系统记录的RCMJ生物力学变量上。CMJ高度、起跳力、最大向心力、峰值速度和耐力指数的显著交互效应表明,干预同时改善了几个与跳跃相关的表现方面。这些变化与拉伸-缩短周期效率的提高、更有效的神经肌肉激活以及重复跳跃动作中力-速度组织的改进相一致[9,10,14]。峰值速度和耐力指数的特别显著效果可能表明不仅在爆发力方面有所提高,而且在重复跳跃执行的稳定性方面也有提升。基于场地的跳跃测试也显示了所有分析结果中的显著组别×时间交互效应。这表明,在仪器条件下观察到的表现提升也转移到了更相关的体育任务中。在立定跳远和跑步双腿垂直跳中观察到了最大的进步,这表明在更接近排球运动需求的条件下,下肢的爆发力表现得到了增强。纯垂直跳和Abalakov测试中的改进进一步支持了所采用训练计划的实际意义。同样,所有重复跳跃耐力指标也显示了显著的交互效应。这一发现非常重要,因为排球表现不仅取决于最大跳跃高度,还取决于在训练和比赛过程中重复产生爆发力的能力。在重复跨栏跳测试中观察到了最大的效果,这可能表明对重复爆发性负荷的耐受性有所提高。此外,实验组在扣球跳跃耐力测试中的错误减少表明其疲劳抵抗力增强,以及特定于运动的跳跃执行的稳定性更高。

相关性分析用于探索训练引起的适应性的内部结构。在主要的RCMJ生物力学变量之间观察到了最强的正相关性,这支持了将垂直跳跃视为一个综合的力-速度特征而不是一组孤立特征的解读[15,17]。然而,这些相关性应谨慎解读。诸如跳跃高度、力量、功率、速度和耐力指数等变量在机械上是相关的,一些观察到的相关性可能部分反映了数学上的耦合,因为这些指标是从密切相关的运动信号中得出的。因此,这些结果更好地解释为综合的生物力学反应模式的证据,而不是完全独立的生理机制的证据。在生物力学、基于场地的和重复跳跃耐力测量之间也识别出了较少数量的显著关系。这些关联表明,在RCMJ测试中检测到的一些适应性可能与跳跃表现的实际和耐力相关表现有功能上的联系。同时,这些关系并非在所有结果中都普遍存在,这表明生物力学指标和基于场地的测试代表了相关但不同的适应维度。在这种情况下,纯垂直跳高度与某些耐力相关变量之间的负相关性可能反映了最大跳跃能力与维持重复努力能力之间的差异,而不是表明明显的生理权衡。由于检查了多个成对相关性,因此应用了Benjamini–Hochberg程序进行假发现率校正,校正后主要关联模式仍然具有统计显著性。尽管如此,Δ相关性分析仅基于实验组(n = 15),即使相对较高的系数也应谨慎解读。因此,这些发现应被视为探索性的和假设生成的,而不是决定性的。本研究的实际价值在于结合使用生物力学、基于场地的和重复跳跃耐力评估方法于青少年排球运动员群体中。这种综合方法对教练来说可能是有用的,因为它将实验室导向的指标与特定的体育成果联系起来。特别是,将重复跳跃耐力测试与生物力学分析相结合似乎提供了比单独方法更全面的跳跃相关适应性的图景。与此同时,生物力学发现应在G-Walk系统的方法学限制内进行解读。尽管该设备适用于现场监测且便于携带,但它并不像力平台那样直接测量地面反作用力。因此,起跳力和最大向心力应被视为基于IMU记录信号的算法估计值,而不是直接的动能测量值。因此,这些变量更适合监测随时间的变化,而不是用于爆发性垂直任务的绝对动能解释。还应承认一些限制。首先,样本量相对较小,这限制了精确度和普遍性,尽管事后的功效分析表明达到了有利的交互效应。其次,两组之间存在基线差异,尤其是在某些生物力学变量上;因此,对干预效果的主要解释基于组别×时间交互效应,而不是简单的测试后比较。第三,所有参与者都属于同一年龄组和同一运动项目,这限制了将其推广到其他人群的可能性。此外,在13-14岁阶段,跳跃技术和运动协调性仍在发展中。尽管所有参与者都熟悉排球特定的跳跃任务,并在标准化条件下进行了评估,但无法完全排除与年龄相关的技术和协调性变异性。总体而言,当前的研究结果表明,结构化的增强式训练计划可能改善青少年排球运动员的跳跃生物力学、实际跳跃表现和重复跳跃耐力。然而,这些结论应在考虑基线差异、样本量较小以及IMU派生的力和功率相关变量的方法学限制的情况下进行解读。未来的研究应包括更大和更多样化的样本,并进一步探讨跳跃相关适应性与比赛表现、疲劳、运动质量和与损伤相关的风险因素之间的关系。

4. 材料与方法
4.1. 参与者
本研究涉及30名13-14岁的男性排球运动员。所有参与者身体健康,定期参加有组织的排球训练,并且没有影响参与跳跃练习的伤害或医疗禁忌症。在干预之前,所有运动员都接受了年龄、身高、体重、体重指数和初始跳跃相关功能指标的基线评估。根据以下标准,参与者被分配到实验组(EG,n = 15)和对照组(CG,n = 15):属于相同的年龄范围(13-14岁)、具有完全参与训练的医疗适应性、定期参加排球练习、足够的训练出席率以及能够完成整个研究方案的能力。此外,在分组时还考虑了身体发育水平和基线跳跃表现指标。基于这些标准,那些能够安全且完整完成额外增强式训练计划的运动员被纳入实验组,而对照组则由继续其常规排球训练的运动员组成。同时,基线测试显示,在某些变量上实验组的初始值高于对照组。因此,研究的主要分析重点不仅放在了组间最终差异上,还放在了组内前后变化以及组别×时间交互效应上。

4.2. 人体测量评估
在实施训练计划之前,评估了所有参与者的身体发育基线水平,并验证了基线时各组之间的可比性。测量了每个参与者的身高(cm)、体重(kg)和体重指数(BMI,kg/m2)。所有人体测量评估均按照世界卫生组织(WHO, 2024)推荐的方法进行。参与者的身体测量特征见表6。

4.3. 研究设计与训练计划描述
本研究采用了前后对照的实验设计。30名13-14岁的男性排球运动员被分配到实验组或对照组。除了常规的排球练习外,实验组还完成了为期8周、每周三次的定向跳跃增强式训练计划。该计划的定量特征、进展和监测程序见表7。该干预旨在通过适合年龄的双侧、单侧、反应性和特定于排球的跳跃练习,逐步发展爆发力、垂直跳跃能力和重复跳跃耐力。对照组继续其常规的排球训练计划,包括技术-战术练习、一般身体准备和常规比赛练习,但没有进行额外的结构化增强式训练。

4.4. 热身协议
为了确保测量的准确性和参与者的安全,在所有测试之前应用了标准化的热身协议。在每次测试之前,参与者完成了10分钟的标准热身程序。热身包括以下内容:3-4分钟的慢跑、3-4分钟的动力拉伸练习以及3-4分钟的低幅度双侧跳跃和缓冲动作。这种热身程序在所有测试中都是相同的,旨在为肌肉活动做准备,同时提高表现结果的可靠性。使用统一的热身协议有助于最小化外部因素的影响,并加强结果的可比性。

4.5. 垂直跳跃表现分析
在记录了基线人体测量特征后,进行了与垂直跳跃表现相关的生物力学变量测量。在实验组和对照组中,使用G-Walk惯性测量系统(BTS Bioengineering, Garbagnate Milanese, Italy)进行的重复反向运动跳跃(RCMJ)测试评估了垂直跳跃的主要生物力学参数。G-Walk是一种紧凑的可穿戴惯性测量单元(IMU),结合了三轴加速度计、陀螺仪和磁力计,用于分析人体运动。该系统旨在捕捉动态运动任务中的加速度、角速度和空间方向信息,从而能够在实际训练和测试环境中评估运动学和选定的生物力学参数。与基于实验室的力平台和光学运动捕捉系统相比,G-Walk为现场评估跳跃表现提供了一种便携且实用的解决方案。在本研究中,G-Walk系统被用于评估RCMJ测试期间的大腿髓状肌(CMJ)高度、离地力、最大向心功率、峰值速度和耐力指数。这种方法允许客观地监测青少年排球运动员的运动速度、跳跃相关表现以及重复跳跃的稳定性。以往的研究已经证明,使用反向运动型跳跃测试和基于惯性传感器的评估方法在评估跳跃高度及相关表现特性方面具有可接受的有效性和可靠性[15,16,18,19]。需要注意的是,G-Walk系统并不像力平台那样直接测量地面反作用力。因此,本研究中报告的离地力和最大向心功率等变量应被解释为设备软件根据RCMJ任务期间记录的惯性传感器信号生成的估算值。在这种情况下,G-Walk系统被用作一种实用的现场工具,用于比较不同时间点上的跳跃相关表现变化,而不是作为直接的实验室标准力测量系统。尽管先前的研究已经表明惯性测量系统在跳跃评估方面具有可接受的可靠性和实用性,但在解释爆发性垂直任务中的力和功率相关值时仍需谨慎,因为其有效性可能低于力平台的结果。

在RCMJ评估中,每位参与者从站立姿势开始,双脚与肩同宽。双手按照设备的测试协议保持标准化位置,以减少试验间差异。在预备的反向运动之后,运动员进行尽可能短接触时间的重复最大双腿跳跃。在正式测试前进行了一次熟悉试验。正式测试在标准化条件下进行一次,G-Walk软件(版本3.5.25)自动生成的变量被用于统计分析。记录的参数包括以下内容:
- 测试1.1:CMJ高度(厘米)— 双腿反向运动跳跃的高度;
- 测试1.2:离地力(千牛)— 离地阶段产生的最大反作用力;
- 测试1.3:最大向心功率(千瓦)— 向心阶段产生的爆发性肌肉功率;
- 测试1.4:峰值速度(米·秒^-1)— 推进阶段的最大运动速度;
- 测试1.5:耐力指数— 反映重复跳跃过程中力和速度稳定性的综合指标。

这些指标提供了关于跳跃相关表现、离地机制以及重复跳跃任务中表现稳定性的客观现场评估。然而,力和功率相关的输出应被视为基于IMU数据处理的估算值,而不是直接的动力学测量结果。

为了补充生物力学数据,还进行了一系列传统的跳跃表现测试。共使用了五种不同的跳跃测试来评估青少年排球运动员的跳跃能力和爆发力。所有测试都在标准化的室内排球条件下进行。在数据收集之前,所有运动员都接受了每个测试的标准口头解释和实际操作演示。每个测试允许进行一次熟悉尝试,之后每次测试重复三次,每次尝试之间有60-90秒的被动休息时间,最佳结果被纳入最终分析。选择这些基于现场的跳跃测试是因为它们在青少年和团队运动群体中广泛使用,且先前的研究已经证明它们在评估下肢爆发力方面具有可接受的有效性和可靠性[4,15,16,17,21]。
- 测试2.1:双腿垂直跳跃测试:参与者从距离墙壁安装的测量面板标准距离的站立位置开始,通过2-3步的短跑接近目标,然后进行双腿离地,并尽可能高地触碰面板。跳跃高度以厘米为单位记录。进行三次尝试,最佳结果被保留用于分析。该测试评估最大垂直跳跃高度,反映了爆发力和运动系统的效率。
- 测试2.2:纯垂直跳跃高度测试:运动员从站立姿势开始,面向测量面,首先用前脚站立Establish初始参考点(点A),然后从静止的双腿离地位置进行最大垂直跳跃并触碰最高点(点B)。完成三次尝试,最佳结果用于分析。净跳跃高度通过公式计算:Δh = B ? A。该测试表明了伸展-缩短循环的有效性。
- 测试2.3:相对跳跃系数(Ucchelli测试):该系数根据身体高度来评估跳跃高度,计算公式为...(原文此处数据缺失)。值在1.28到1.32之间被认为是良好的,而大于1.32的值则被认为是优秀的。
- 测试2.4:立定跳远测试:运动员从站在起跳线后面的静止位置开始,双脚与肩同宽。通过快速的手臂摆动和双腿离地,进行最大水平跳跃。着陆必须双脚着地且不向后倒退。进行三次尝试,分析中包括从起跳线到最近脚后跟接触点的最长有效距离。该测试评估水平爆发力和肌肉间的协调性。
- 测试2.5:Abalakov方法:这是评估垂直跳跃高度的最准确方法之一。参与者首先在前脚站立时完全伸直身体触碰墙壁(H_reach),然后进行最大垂直跳跃,并再次触碰墙壁(H_jump)。净跳跃高度通过公式计算:Δh = H_jump ? H_reach。该测试从站立位置进行三次,使用手臂摆动,最佳结果被保留用于分析。先前的研究表明,CMJ型和Abalakov型的跳跃测试在运动员群体中显示出良好的可靠性和有效性[15,16]。

总体而言,这些测试全面评估了运动员的爆发力、协调性和伸展-缩短机制的有效性。

由于排球中的跳跃能力不仅限于达到最大高度,还必须能够持续一定时间,因此还包括了一组评估跳跃耐力的测试。这些测试包括:
- 测试3.1:从站立位置重复双腿跳跃至“最佳”高度:运动员从目标标记下方的站立位置开始,双脚与肩同宽,然后进行重复的双腿垂直跳跃,达到比个人站立达到高度高1米的目标位置。测试结果是正确完成跳跃的次数,且技术没有明显下降。
- 测试3.2:重复起跑跳跃测试:运动员从标准化的起始标记开始,进行短跑接近,然后尝试触碰位于个人最大跳跃高度下方10厘米的目标线。测试持续到自愿疲劳或运动员无法再达到所需目标高度为止。记录成功重复的次数。
- 测试3.3:重复跨栏跳跃测试:运动员从栏架旁边的站立位置开始,进行多次横向双腿跳跃,跨越调整到个人最大跳跃高度75%的栏架。测试在执行节奏被打乱或运动员未能正确跨越栏架时结束。记录成功重复的次数。
- 测试3.4:扣球跳跃耐力测试:在3分钟的协议中(每分钟12次扣球动作),运动员在标准化的时间条件下依次向两个指定目标进行扣球跳跃。所有参与者的初始位置、动作顺序和速度相同。通过计算不准确或不成功的尝试次数来评估表现,较低的次数表示更好的特定跳跃耐力。

这些测试结合起来评估了运动员在重复负荷下的跳跃和扣球表现的稳定性。包括标准化跳跃测试和排球特有的重复跳跃任务,旨在提高评估的生态有效性,并反映最大爆发表现和在运动相关条件下的耐疲劳能力。

所有统计分析均使用JASP、Numiqo Statistics Calculator平台(在线可用:https://numiqo.com,访问日期为2025年11月19日)和MATLAB R2024b软件(MathWorks,Natick,MA,美国)进行。所有变量都计算了描述性统计量,并以均值±标准差(SD)的形式呈现。 appropriate的情况下还计算了范围和95%置信区间(CI)。

为了评估干预措施随时间的变化,主要结果变量使用双因素混合方差分析(ANOVA)进行分析,其中组别(实验组与对照组)作为组间因素,时间(测试前与测试后)作为组内因素。感兴趣的主要效应是组别×时间的交互作用,用于确定两个组之间的变化幅度是否存在显著差异。选择这种分析方法是因为某些变量存在基线差异,因此简单的测试后组间比较不足以解释干预效果。为了进一步支持样本量的解释,在G*Power 0.96.0.0版本中使用重复测量ANOVA的组内-组间交互作用模型进行了事后功效分析,α = 0.05,总样本量为30,2个组,2次测量。对于这些测试中交互作用效应最小的代表性现场结果(即相对跳跃系数(Ucchelli测试;f = 0.492),获得的功效为0.999。

进行了相关性分析,以探索训练引起的变化之间的关系,使用实验组内计算的Δ值(Post?Pre)。皮尔逊相关系数(r)作为主要指标来评估变量之间的线性关联。还计算了斯皮尔曼等级相关系数,以评估基于等级的非参数方法下观察到的关联模式的稳健性,该方法对非正态性和潜在异常值的敏感性较低。对于每对变量,计算了相关系数、p值和95%置信区间。由于检查了多个成对相关性,因此根据Benjamini–Hochberg程序对相关p值进行了假发现率(FDR)校正。在解释相关结果时,同时考虑了原始p值和FDR校正后的p值。根据普遍接受的阈值解释相关系数的大小:r < 0.30表示弱相关;0.30–0.49表示中等相关;0.50–0.69表示显著相关;≥0.70表示强相关。

鉴于Δ相关分析的样本量相对较小,这些相关发现被谨慎解读并且具有探索性质。统计显著性水平设定为α = 0.05。为了便于直观解释关联结构,还提供了皮尔逊和相关性矩阵的热图。

本研究表明,为期八周的结构化增强式训练计划可以提高13-14岁排球运动员的跳跃相关生物力学特征、现场跳跃表现和重复跳跃耐力。在本样本中,实验组在RCMJ、现场和重复跳跃耐力等主要结果方面的变化大于对照组。这些发现支持了在监测青少年排球运动员跳跃相关适应过程中结合生物力学、现场和重复跳跃耐力评估的实际价值。特别是,将重复跳跃耐力测试与生物力学分析相结合似乎比单独使用跳跃测量提供了更全面的表现发展视角。然而,这些结论应谨慎解读。两组之间存在基线差异,样本量相对较小,并且从G-Walk系统获得的力和功率相关变量应被视为基于IMU的估算值,而不是直接力平台的测量结果。此外,相关发现应被视为探索性的和支持性的,而不是决定性的。总体而言,当前结果表明,结构化的增强式训练计划结合基于惯性传感器的监测和实际的现场测试可能是一种有用的应用方法,用于跟踪青少年排球运动员的跳跃表现和重复跳跃能力的相对变化。未来的研究应包括更大和更多样化的样本,更强的基线可比性控制,以及进一步研究跳跃表现、运动质量、疲劳和比赛相关结果之间的关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号