XiaoMi-AI文件搜索系统
World File Search SystemAthlete
耶鲁大学学生运动员第一个目的地报告：2023年级
在2023名学生运动员营利性营利性的部门班级雇用84％的非营利组织11％政府5％的研究生地点时，当被问及他们的位置选择时，大多数耶鲁大学的学生运动员（82％）报告说，他们将在毕业后生活在美国，这与过去几年是一致的。也与过去几年相似，学生运动员的前4个州再次是纽约，康涅狄格州，加利福尼亚和马萨诸塞州。在居住在美国以外的较小比例的学生中，有44％的人报告去了英国，这通常是最高的非美国目的地。新西兰是第二受欢迎的目的地（12％）。
国际分子科学杂志
摘要：营养教育（NE）是旨在增强运动员饮食摄入量的几种策略之一。这项研究调查了新西兰和澳大利亚运动员在国内和国际比赛中竞争的NE偏好。运动员（n = 124，22（18，27）年，女性54.8％）从22个体育运动完成了一项在线调查，并使用描述性统计进行了分析的响应。教学技术被认为是“极其有效”的例子（47.6％的运动员），动手活动（30.6％）以及与协调员的讨论（30.6％）。设定个人营养目标对大多数运动员（83.9％）以及主持人的双向反馈（75.0％）很重要。一般营养主题被认为是“必不可少的”是能源需求（52.9％），水合（52.9％）和营养定义（43.3％）。绩效主题认为“必不可少”是恢复（58.1％），运动前营养（51.6％），运动过程中的营养（50.0％）和培训能量需求（49.2％）。运动员更喜欢“面对面小组和一对一会议的组合”（占运动员的25％），“一对一的会议”（19.2％）和“面对面的小组会议”（18.3％）（18.3％），只有13.3％的人对“独家在线交付”感兴趣。参与者青睐31-60分钟（61.3％的运动员）（61.3％的运动员）（37.5％）的会议（61.3％），并受到了同一运动能力的运动员（61.3％）。首选的促进者是表现营养师或营养学家（占运动员的82.1％），他们对这项运动有了解（85.5％），体育营养方面的经验（76.6％）和信誉（73.4％）。这项研究提供了对为运动员设计和实施营养教育时需要考虑的因素的新见解。
运动神经诊断：研究运动员大脑以提高运动表现和运动专项技能
提高运动员在训练和比赛中的表现水平是体育运动的理想目标。量化训练成功通常伴随着表现诊断，包括评估与运动相关的行为和生理参数。尽管最佳大脑处理是增强运动表现和技能学习的关键因素，但神经诊断通常不用于运动员的表现诊断。我们提出，通过功能性近红外光谱 (fNIRS) 等非侵入性脑成像技术进行的神经诊断将提供新的视角来量化训练引起的神经可塑性及其与运动行为的关系。在执行特定运动动作时更好地理解这种大脑行为关系可能有助于指导训练过程并优化训练结果。此外，有针对性的非侵入性脑刺激，如经颅直流电刺激 (tDCS)，可能有助于通过调节表现出训练引起的神经可塑性的大脑区域来进一步提高训练结果。然而，我们强烈建议，在将神经调节视为运动表现增强剂之前，需要解决在训练和/或比赛期间使用非侵入性脑刺激的道德问题。
使用智能报告和回归模型的原始文章运动员绩效预测
1,2，教育科学和培训工程学多学科实验室（LMSEIF）。运动科学评估和体育锻炼教学。摩洛哥哈桑二世卡萨布兰卡大学的普通高中（ENS-C）。在线发布：2024年8月31日被接受出版：2024年8月15日doi：10.7752/jpes.2024.08214摘要：这项研究探讨了报道的数据和预测分析作为运动员培训计划的长期生成方法的使用。从607名高等教育学生那里收集的数据（平均年龄= 16.86； STD = 1.22），包括从物理测试和活动记录中进行的测量。数据集包含29个变量，这些变量是对培训程序的预测准确性的。我们利用Microsoft Azure机器学习来确定特征对结果的重要性，并利用Power BI可视化聚合特征对跑步距离的影响。初步发现表明，专注于训练工作的最佳年龄范围在16至17岁之间。该结果由Spearman相关系数为0.42支持，根据关键骨料特征规定了年龄组和预测的性能结果之间的中等正相关关系。特别是四个关键特征会显着影响性能，而其他变量的影响很小。该研究强调了这些总特征在预测训练成功方面的重要性。总而言之，该研究强调了强大的报告过程的重要性以及在制定培训计划中使用预测分析的重要性。它标识了四个关键特征，这些功能对实现的性能产生了重大影响。虽然这四个功能至关重要，但研究还承认，尽管有影响力较小，但其他变量仍然可能影响结果。这种全面的数据收集和分析方法为优化运动员培训计划提供了坚实的基础，以确保培训工作既有目标又有效。这些发现为旨在通过数据驱动的培训策略提高运动表现的教练和体育科学家提供了宝贵的见解。关键字：绩效优化，运动分析，数据驱动培训。简介
不仅仅是一种直觉：胃肠道在女运动员健康中的作用是什么？
摘要与大部分科学一样，女运动员正在研究中，特别是在胃肠道（GI）生理学领域。肠道功能对运动员的重要性至关重要，因为它支持营养的消化和吸收，并在外部环境和循环之间提供障碍。虽然在静置结构和功能方面的性别差异已经很好地表征了静止的特征，但在运动过程中仍然很少研究这一点。GI系统的更广泛影响已经开始实现，现在已被广泛承认在更有系统的身体系统中发挥作用。在当前的评论中，我们讨论了局部问题，包括男性和女性的GI结构，功能和微生物组。我们还讨论了运动员经历的胃肠道相关症状，突出了男性和女性之间发病率的差异，并讨论了促成因素。然后，我们超越肠道，讨论已证明具有性别差异并且受GI系统影响的更广泛的生物学过程。其中一些领域包括免疫功能和疾病，睡眠，激素，骨骼健康和肠道 - 脑 - 轴 - 轴的风险。目前尚不清楚这种影响和关系的大小，但有足够的机械数据可以考虑到胃肠道在整体女运动员健康中可能发挥的更中心作用。
精英：纵向精英运动员的基本原理和设计，极端心血管表型，前瞻性队列研究
抽象简介体育锻炼的心血管益处是众所周知的。但是，剧烈运动也与心脏不良影响有关。为了提高我们对运动对运动与适应不良和病理的适应性的理解，应使用最新的诊断方式牢固确定适应的局限性。因此，我们开始评估终生参与强化的顶级运动和运动（Elite）队列，以研究密集型精英运动和运动的纵向（有益和病理）心血管效应。方法和分析精英是一项前瞻性，多中心，纵向队列研究。精英运动员，从16岁开始就在荷兰招募。主要目标是确定精英运动与运动诱发的心脏重塑，心脏病理学和健康益处之间的关联。次要目标包括确定和识别精英运动员的遗传特征，以及它们与心脏指数如何相关。精英将从咨询，心电图，超声心动图和心脏磁共振成像以及训练和损伤数据中收集数据。精英还将收集血液以进行生物群和心脏遗传学。跟进将以两到五年的时间间隔进行，在精英运动员的职业生涯结束之后。此外，在与心肌受累相关的感染后（包括SARS-COV-2）的感染后，已经建立了一系列精英群来研究心脏后遗症。精英是一项前瞻性观察研究；因此，分析将主要是探索性的。伦理和传播这项研究已得到阿姆斯特丹大学医学中心医学伦理审查委员会的批准（NL71682.018.19）。该研究的结果将通过同行评审期刊的出版物（荷兰试验登记册编号：NL9328）传播。
教练运动员依恋对运动员参与的U形效果：繁荣的中介作用和精神韧性的调节作用
基于资源理论和情感信息理论的保存，本研究探讨了教练运动员依恋对运动员参与，其基本机制以及从“损失获得”双路观点的影响。使用教练运动员的依恋量表，繁荣的量表，运动员参与量表和心理韧性量表，使用便利抽样方法对424名运动员（299名男性，125名女性，平均年龄= 16.14±2.24岁）进行了横断面调查。结果表明，教练运动员的依恋及其细分（回避的依恋和焦虑依恋）对繁荣和运动员的互动产生了U形影响，并具有不对称的U形曲线，其中左路更长，右路的较长。蓬勃发展对运动员的互动产生了重大影响，并在教练运动员依恋与运动员参与之间的U形关系中充当了瞬时调解人。心理韧性显着调节了教练运动员依恋对繁荣和运动员互动的U形效应。调查结果鼓励教练考虑运动员的依恋倾向，并根据运动员的依恋类型调整其沟通策略，以提高运动员的繁荣和参与水平。
年轻运动员不断增长的心：青春期心脏适应运动训练的性别差异
抽象背景运动员的心脏是运动引起的心脏重塑的条件。成年男性耐力运动员经常超出参考值重塑。性别对通过青春期重塑的影响尚不清楚。小儿参考值不考虑患者性别或运动病史。我们旨在研究性别对整个青春期心脏重塑的影响。我们在一项纵向队列研究中招募了76名男性（M）和女性（F）12岁的越野滑雪者。超声心动图。通过线性混合模型回归分析了重复的超声心动图测量。雄性从12岁开始显示出更大的索引左心室末端 - 舒张体积（LV EDVI）（M 81±7 vs f 76±7，mL/m²，p≤0.01），并在18岁（m 2.3±9.7 vs f-9.7 vs f-9.7 vs f-9.9 v-9.7 v-9.9±4.5Δml/m）中进一步进展。LV EDVI在两组中均在成人的上参考值以上。男性从12岁到18岁（m 33±27 vs f 4±19，ΔG/m²，p≤0.01）增加了LV质量指数。男性在15和18岁的小儿参考值上方显示LV质量。男性（35％）和女性（25％）的子集显示在12岁时的小儿参考值以上的壁厚。心脏功能正常。运动时间没有性别差异。结论与运动员心脏的性别相关的差异从12岁起就很明显，并且在整个青春期都取得了发展。重塑超出参考值的重塑比先前报道的更常见，尤其是影响男性。年龄，性和运动历史可以帮助临床医生区分运动引起的重塑与青少年的病理学。
使用惯性传感器
摘要 - 监控运动员运动对于提高性能，减轻疲劳并减少受伤的可能性很重要。高级技术，包括计算机视觉和惯性传感器，在对运动特定运动进行分类方面已广泛探索。将自动体育行动标签与运动员监控数据相结合提供了一种有效的方法来增强工作量分析。关于对运动特定运动进行分类的最新研究表明，基于个别运动员的训练和评估方法的趋势，使模型可以捕获每个运动员特有的独特功能。这对于运动员之间技术差异很大的运动特别有益。当前的研究使用受监督的机器学习模型，包括神经网络和支持向量机（SVM），以使用从上下背包惯性测量单元（IMU）传感器中提取的功能来区分跑步表面，即田径轨道，硬砂和软砂。主成分分析（PCA）用于特征选择和降低维度，增强模型效率和解释性。我们的结果表明，与运动员无关的方法相比，运动员依赖的训练方法可大大提高分类性能，从而达到更高的加权平均精度，召回，F1得分和准确性（p <0.05）。
拥抱“数字运动员”：人工智能和数字技术如何改善运动损伤管理：专题回顾
Dhirender Kumar Tokas 和 Madan Singh Rathore 博士 DOI：https://doi.org/10.22271/kheljournal.2024.v11.i4i.3476 摘要 参加体育活动和锻炼对于保持健康的生活方式至关重要，也是预防和增进健康的关键因素。然而，某些运动和体育活动可能存在固有的受伤风险。一些内在的、外在的、可变的、不可变的和起始事件可能是导致运动损伤的原因。本专题评论将概述导致运动损伤的机制和影响它们的各种因素。它还将探讨运动损伤的影响、如何利用技术和创新来管理这些风险和伤害、早期风险分析的重要性，以及最后，人工智能研究的未来趋势和方向，以降低运动损伤的风险和管理它们的策略。通过整合该领域的现有知识，作者旨在增进我们对运动损伤机制与使用新兴和不断发展的技术预防、管理和治疗此类损伤之间复杂相互作用和错综复杂关系的理解。必须强调并强调的是，考虑到当前系统公认的局限性以及个性化和定制治疗的迫切必要性，先进技术应该被视为医疗专业人员作用的补充和增强，而不是替代他们，因为个性化治疗可能因运动员而异。 关键词：运动损伤、管理、技术、创新、人工智能、数字运动员、医疗保健、评论、预防、治疗 介绍 运动损伤 运动损伤是一种常见现象，会对运动员的日常生活产生重大影响。在本文中，我们将探讨可能导致伤害的各种风险因素。尤其是运动损伤，受到这些多种风险因素复杂相互作用的影响。当涉及由孤立事件引起的运动损伤时，“运动损伤”一词是指在临床检查中观察到的任何身体功能或结构的丧失。另一方面，“运动创伤”被定义为运动员自己评估的疼痛、不适或功能丧失的直接感觉。最后，“运动能力丧失”是指运动员因知名体育机构的健康评估而被迫退出比赛，从而导致时间损失的情况。当健康服务专业人员观察到过度的体育锻炼导致损伤时，这被称为“运动疾病”或“过度使用综合症”。当运动员自我评估自己的状况时，这被称为“运动病”，当体育机构代表记录为运动参与时间损失时，这被称为‘运动病’ (Timpka 等人，2014) [1] 。定义‘数字运动员’从事数字运动的个人利用技术和数据来提高他们的表现并防止受伤。