Kettlebell Swing, Snatch, and Bottoms-Up Carry: Back and Hip Muscle Activation, Motion, and Low Back Loads
Notice bibliographique
Résumé
The intent of this study was to quantify spine loading during different kettlebell swings and carries. No previously published studies of tissue loads during kettlebell exercises could be found. Given the popularity of kettlebells, this study was designed to provide an insight into the resulting joint loads. Seven male subjects participated in this investigation. In addition, a single case study of the kettlebell swing was performed on an accomplished kettlebell master. Electromyography, ground reaction forces (GRFs), and 3D kinematic data were recorded during exercises using a 16-kg kettlebell. These variables were input into an anatomically detailed biomechanical model that used normalized muscle activation; GRF; and spine, hip, and knee motion to calculate spine compression and shear loads. It was found that kettlebell swings create a hip-hinge squat pattern characterized by rapid muscle activation-relaxation cycles of substantial magnitudes (∼50% of a maximal voluntary contraction [MVC] for the low back extensors and 80% MVC for the gluteal muscles with a 16-kg kettlebell) resulting in about 3,200 N of low back compression. Abdominal muscular pulses together with the muscle bracing associated with carries create kettlebell-specific training opportunities. Some unique loading patterns discovered during the kettlebell swing included the posterior shear of the L4 vertebra on L5, which is opposite in polarity to a traditional lift. Thus, quantitative analysis provides an insight into why many individuals credit kettlebell swings with restoring and enhancing back health and function, although a few find that they irritate tissues.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».