Modifying Spike Jump Landing Biomechanics in Female Adolescent Volleyball Athletes Using Video and Verbal Feedback
Notice bibliographique
Résumé
Landing awkwardly from a jump is a common mechanism of injury for the anterior cruciate ligament (ACL) of the knee. Augmented feedback, such as verbal or visual instruction, has been shown to cause an immediate, positive change in landing biomechanics in a laboratory setting. No data exist on the longer term effects of feedback on jump landing biomechanics in a sports-specific setting. The purpose of this study was to explore whether providing video and verbal feedback to adolescent (12-14 years old) female volleyball athletes would improve their landing technique. Trunk and lower extremity kinematic variables were measured in 19 participants before a feedback session was provided to the intervention group (IG). Follow-up kinematic measurements of the IG were taken immediately postintervention, and again after 2 and 4 weeks. Two-way repeated measures analysis of variance (ANOVA) was used to compare the IG with a control group (CG), who received no feedback. The IG (n = 10) demonstrated increased maximal hip and trunk flexion compared with the CG (n = 9) at week 4 (p ≤ 0.05). One-way repeated measures ANOVA was used to determine if changes were evident within the IG over time. Ankle dorsiflexion, right knee and hip flexion, and trunk flexion changed significantly (p ≤ 0.05) over the 4-week period. Augmented feedback appeared to produce a positive change in landing biomechanics in adolescent female volleyball athletes performing a sports-specific skill. Courtside video and verbal feedback may present a relatively simple, cost-effective method of introducing one component of a comprehensive ACL injury prevention program at a young age.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».