竞赛前状态对田径运动员使用机器学习对运动表现的影响

科学领域:

• 运动科学 运动科学 运动科学
• 运动生理学 运动生理学
• 生物化学 生物化学

背景情况:

• 了解比赛前的状态对于优化运动表现至关重要.
• 大学田径运动员表现出各种各样的比赛结果,受众因素的影响.
• 识别绩效差异的关键指标对于有针对性的培训和支持至关重要.

研究的目的:

• 为了比较不同表现水平的大学田径运动员的比赛前状态 (营养,生理,生化,心理,睡眠).
• 确定区分运动表现的关键指标.
• 评估传统和机器学习方法在评估运动员状态方面的有效性.

主要方法:

• 利用多种指标,传统方法和机器学习来评估运动负载,疲劳和比赛前状态.
• 分析了生物化学标记 (基,甘油三,LDH),身体成分 (脂肪质量) 和心理评估 (罗森伯格自尊度量表).
• 基于竞赛表现组 (BP与BnP) 的运动员进行了比较.

主要成果:

• 在比赛前两周,在表现组之间观察到脂肪质量,血基,甘油三,尿白细胞和维生素C水平的显著差异.
• 乳酸脱酶 (LDH) 和尿道隐性血液在比赛前一周显示出显著的差异.
• 与BP组相比,BnP组的自尊评分更高.

结论:

• 竞赛前的指标,如绝对基细胞计数,LDH,TG,白细胞,肌酸酶,左上肢脂肪质量,HCT和失败焦虑,对于监测运动员的状态是有价值的.
• 这些指标可以帮助根据表现水平区分运动员,并为训练调整提供信息.
• 对监测比赛前状态的综合方法对于提高运动结果至关重要.