Die Analyse der Laufleistung als Beispiel für multifaktorielle Vorhersagerechnungen mit biometrischen Daten

DSpace Repository

Show simple item record

dc.contributor.advisor Röcker, Kai de_DE
dc.contributor.author Kempter, Gisela Monika de_DE
dc.date.accessioned 2004-01-12 de_DE
dc.date.accessioned 2014-03-18T09:34:22Z
dc.date.available 2004-01-12 de_DE
dc.date.available 2014-03-18T09:34:22Z
dc.date.issued 2003 de_DE
dc.identifier.other 109349407 de_DE
dc.identifier.uri http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-10452 de_DE
dc.identifier.uri http://hdl.handle.net/10900/44431
dc.description.abstract Leistungen des Menschen sowie die Pathogenese von Krankheiten werden in der überwiegenden Zahl multifaktoriell bestimmt. Die vielseitigen Einflüsse auf die Laufleistung gelten als größtenteils bekannt. In dem Versuch, modellhaft gängige Lehrmeinungen zu bestärken oder anzufechten, wurden die Akten von 320 Laufsportlern aus dem Freizeit- bis Hochleistungsbereich ausgewertet. Für jede Person lagen die persönlichen Bestzeiten auf einer oder mehrerer der Distanzen 1.500m, 5.000m, 10.000m, Halbmarathon und Marathon vor. Es wurden Messwerte von anthropometrischen Merkmalen, Herz, Lunge und IAS sowie orthopädische Befunde und Trainingsdaten genauer betrachtet. Die Auswertung erfolgte unter Zuhilfenahme der statistischen Methoden Häufigkeitsverteilung, Gruppierung, Korrelation, t-Test und multiple lineare sowie multiple schrittweise Regression. Wie erwartet wurde die IAS als wichtigster einflussnehmender Faktor für alle Distanzen ermittelt. Die weiteren einflussnehmende Faktoren unterschieden sich je nach Distanz. Die Ergebnisse von Alter und Anthropometrie ergaben für fast alle Distanzen einen Beginn des Leistungsabfalls vor Erreichen des 30. Lebensjahres. Für den 1.500-m-Lauf war ein Leistungsabfall ab dem Alter von 25 Jahren zu beobachten. Die Körpergröße zeigte kaum einen Zusammenhang. Der Anteil des Körperfettes war auf allen Distanzen signifikant, während Körpergewicht und Body-Maß-Index dies nicht waren. Die Messwerte des Herzens und der Lunge scheinen in ihrer Bedeutung überschätzt zu werden, die Korrelationskoeffizienten waren niedrig. Die forcierte Einsekundenkapazität der Lunge schien auf kürzeren Strecken einen stärkeren Einfluss zu haben als die Vitalkapazität. Insgesamt waren die Lungenfunktionswerte auf kürzeren Distanzen relevanter als auf längeren. Für die orthopädischen Daten ergab sich die erstaunliche Erkenntnis, dass weder eine verkürzte ischiocrurale Muskulatur, noch Rundrücken oder Hohlkreuz einen negativen Einfluss auf Laufgeschwindigkeiten ausüben. Auch bei vorhandenen Fußdeformitäten konnten keine schlechteren Leistungen festgestellt werden. Bei den Trainingsdaten wurde zwar ein Einfluss des Trainingsalters nicht abgelehnt, angesichts des engen positiven Zusammenhangs zwischen Laufleistung und wöchentlichem Trainingsumfang erscheint dieser jedoch vernichtend gering. In der regressionsanalytischen Gesamtauswertung aller verfügbaren Messwerte zeigte sich, dass die gute Vorhersagefähigkeit der IAS durch die weiteren Messwerte gesteigert werden konnte. Es wurde deutlich, welche weiteren Faktoren distanzspezifisch von Bedeutung sind. Die in dieser Arbeit angewandte Vorgehensweise diente zum einen der Untersuchung der Einflüsse auf Laufleistungen. Zum anderen stellt sie sich als Modell für die Analyse weiterer Größen, welche ebenfalls unter multifaktoriellem Einfluss stehen, dar. de_DE
dc.description.abstract The performance of competitive runners as well as the pathogenesis of diseases are mostly determined by multiple factors. It is assumed that the various factors influencing running performance are known. In a model-like attempt to test current theories, the records of 320 runners (amateurs and professionals) were evaluated. Each athlete’s perormance was analysed over one or more of the distances 1,500 meters, 5,000 meters, 10,000 meters, half marathon and marathon. Anthropometric and orthopedic data as well as data of the heart, the lung, the individual anaerobic threshold (IAT), training volume and training age were evaluated. For this analysis the following statistic methods were used: distribution of Y’s, groups, correlation, t-test, linear multiple and stepwise multiple regression. As excepted, the IAT had the biggest influence on performance in all distances. The effect of other influencing factors varied depending on the running distance. For almost all distances the performance of runners began to diminish before they reached the age of 30. 1,500 meter runners experienced a deterioration in their performance from the age of 25 years already. Body height had an insignificant effect on running performance. Body fat was significant in all distances, whereas body weight and body-mass-index were not. The data recorded for the heart and the lungs appeared to be overestimated. FEV1 seemed to have a bigger influence in shorter distances than the vital capacity. Overall the readings taken for the lungs had more influence in shorter distances than in longer ones. With regard to the orthopedic data we saw no negative influence on performance from shorter ischiocrural muscles, hypercyphosis or hyperlordosis of the back. Neither was there a worse running performance detected in runners with deformities of the feet such as splayfoot. The training age also appeared to have a low influence on running performance. However, there is a stronger connection between training volume and running performance. Stepwise multiple regression indicated that beside the IAT as a performance-determining factor the performance could be more accurately predicted using further specific data for each distance. The methods used served to analyse running performance but also as a methodology for analysing other topics influenced by multiple factors. en
dc.language.iso de_DE de_DE
dc.publisher Universität Tübingen de_DE
dc.rights ubt-podno de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=de de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=en en
dc.subject.classification Biostatistik, Lauf , Anaerobe Schwelle de_DE
dc.subject.ddc 610 de_DE
dc.subject.other Laufleistung , multifaktorielle Einflüsse , IAS de_DE
dc.subject.other running performance , IAT , multiple factors en
dc.title Die Analyse der Laufleistung als Beispiel für multifaktorielle Vorhersagerechnungen mit biometrischen Daten de_DE
dc.title Analysing running performance as an example for the prediction with biometric data determined by multiple factors en
dc.type Dissertation de_DE
dc.date.updated 2004-01-12 de_DE
dcterms.dateAccepted 2003-04-29 de_DE
utue.publikation.fachbereich Sonstige de_DE
utue.publikation.fakultaet 4 Medizinische Fakultät de_DE
dcterms.DCMIType Text de_DE
utue.publikation.typ doctoralThesis de_DE
utue.opus.id 1045 de_DE
thesis.grantor 05/06 Medizinische Fakultät de_DE

Dateien:

This item appears in the following Collection(s)

Show simple item record