Sleep Pattern and Sports Performance of Adolescent Archers: A Pre–Post-intervention Pilot Study

Guru, Chandra Sekara; Datta, Kamal; Krishnan, Anup; Kumar, Anuj; Mahajan, Uma; Jhajharia, Sunil; Kumar, Manoj; Kumar, Amit; Yadav, Narendra; Singh, Amar

doi:10.1007/s41782-019-00073-5

Cited by 3 publications

(2 citation statements)

References 35 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em Efeitos indiretos sob a performance, enquadraram-se os estudos que investigaram qualidade do sono, episódios de choking e um relato da implementação de um programa de psicologia esportiva para atletas olímpicos. Mesmo que não tenham avaliado diretamente a pontuação ou o resultado em torneio, esses três elementos tem forte relação com a performance (30)(31)(32)(33) .…”

Section: Na Coluna Performance São Categorizadas Comounclassified

Psicologia Do Esporte No Tiro Com Arco: Uma Revisão Sistemática

Otávio Joaquim Baratto de Azevedo,

de Oliveira Pinto,

Julia Chirolli

et al. 2024

cpaqv

View full text Add to dashboard Cite

O arco e a flecha foram fundamentais na caça, defesa e guerra antes do advento de armas de fogo. Hoje, eles são empregados, primordialmente, para o lazer, caça esportiva ou Tiro com Arco. Como a modalidade esportiva de Tiro com Arco vem ganhando cada vez mais popularidade, torna-se imprescindível compreender suas bases científicas. Com isso, o objetivo deste estudo é produzir uma revisão sistemática acerca da produção do conhecimento na área da psicologia esportiva aplicada ao Tiro com Arco. A metodologia contou com uma revisão sistemática da literatura na busca dos estudos com o referido tema. As pesquisas exclusivas sobre Tiro com Arco foram selecionadas para leitura. Estudos que misturavam diversas modalidades para se aprofundar nos perfis psicológicos dos atletas foram separados pois não se enquadravam nos objetivos da pesquisa ou tinham baixo número de representantes para Tiro com Arco. Também foram rejeitadas análises para tratamentos ou casos com até 2 participantes. A busca resultou em 134 títulos, após exclusão de duplicados, 111 foram selecionados para leitura de resumos, sendo 83 excluídos. Dos 28 que foram lidos integralmente, 13 foram descartados, restando 15 para análise. A revisão sistemática mostrou ser útil para agrupar os estudos de psicologia esportiva aplicada ao Tiro com Arco, mostrando o cenário da produção acadêmica. A maioria dos estudos explorou a relação entre variáveis psicológicas e desempenho, mas outros fatores, como qualidade do sono, relações interpessoais e outros aspectos pessoais, foram menos estudados.

show abstract

Section: Na Coluna Performance São Categorizadas Comounclassified

Psicologia Do Esporte No Tiro Com Arco: Uma Revisão Sistemática

Otávio Joaquim Baratto de Azevedo,

de Oliveira Pinto,

Julia Chirolli

et al. 2024

cpaqv

View full text Add to dashboard Cite

show abstract

“…The grouping was done based on competitive level of archers who participated in international competition or National camp and below (elite vs non-elite), and archery event (recurve vs compound). A total of 35 variables under anthropometric, sports related, physiological, psychological, sleep and shooting heart rate values during the key phases of shooting were included based on previous research studies and correlation with archery performance scores (Supplementary Table 1) (1,3,4,7,8,11,14).…”

Section: Hence We Included Four Categories Of Archers In Our Study To...mentioning

confidence: 99%

Can we Predict Training Performance with Shooting Heart Rate in Archers? – A Machine Learning Approach

Guru,

Mahajan,

Krishnan

et al. 2024

Preprint

Self Cite

View full text Add to dashboard Cite

PurposeHeart rate (HR) values during different phases of shooting can be used for performance analysis. Machine learning (ML) methods are used in predicting performance. We aimed to develop ML model to predict performance scores using shooting HR values and also to predict the importance of these parameters in an archer.Methods32 archers (15 elite & 17 non-elite) shot two sessions of 30 arrows each indoor wearing heartrate chest monitor and were videographed. When each arrow was shot, 11 HR values were identified at different shooting phases. Other parameters with 35 linear variables and second-degree polynomial HR values were used to build ML models in Python V3.11.4. Session 1 and 2 total scores were used to train and test respectively. Root Mean Squared Error (RMSE) was used to evaluate the model performance after fine-tuning.ResultsRMSE of all 12 ML models ranged from 6.262 – 9.612. The Cat Boost model with the lowest RMSE of 6.262 was used to predict the Session 2 score. SHapley Additive exPlanations (SHAP) values showed each variable’s importance in prediction.ConclusionsSports age, resting systolic blood pressure, previous competition score, right hand grip-strength, age, HR before 2sec of arrow release, waist-to-hip ratio, concentration disruption trait anxiety and HR after 5sec of release are top parameters to predict score.Practical ApplicationsML model with shooting HR provides a better prediction of archery score of an individual archer.

show abstract