The effect of footwear torsional stiffness on lower extremity kinematics and kinetics during lateral cutting movements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: Footwear torsional stiffness affects ankle kinematics during cutting movements. The influence of torsional stiffness on lower extremity kinetics has not been studied. It was hypothesised that footwear with high torsional stiffness increases the ankle eversion, knee abduction and internal rotation moments in cutting movements. Methods: Nineteen participants performed seven repetitions of a lateral jab and a shuffle cut in two shoes with different torsional stiffness. Markers placed on forefoot, rearfoot and shank of the right leg were used to determine the kinematics. Simultaneous recordings of the ground reaction forces allowed the calculation of ground reaction impulses and internal joint moments using an inverse dynamics approach. Results: Peak torsion angles (frontal plane rotation between fore- and rearfoot) were reduced in the torsional stiff shoe (shuffle cut: 22.0° vs. 18.5°, p < 0.001; lateral jab: 22.8° vs. 20.1°, p = 0.020 flexible vs. stiff shoe). For the shuffle cut, the peak ankle eversion moment (52.9 Nm vs. 63.0 Nm, p = 0.003) and inversion angle (25.9° vs. 28.5°, p < 0.001) were higher in the stiff shoe. For the lateral jab no differences between footwear were found for the ankle kinematics or kinetics. No differences between footwear were found for knee kinematics. The ground reaction impulses were not different between shoes. Conclusions: Increased footwear torsional stiffness causes higher ankle eversion moments which may increase the risk for ankle injuries. Knee moments were not affected by footwear torsional stiffness; therefore, footwear torsional stiffness seems to have no effect on the risk for anterior cruciate ligament (ACL) injuries.
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.
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 | 0,000 | 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 découle