PRONATION, SHOCK, AND INJURY IN THE RUNNING ATHLETE
Notice bibliographique
Résumé
INTRODUCTION: Recent running injury trends suggest a predominance of lower leg impact injuries as compared to knee injuries observed in the past. Shoe desisn and training patterns based on past injury trends emphasize pronation control. However, pronation may be a positive gait characteristic, controlling impact forces experienced by the body and thus influencing injury. This relationship has implications in the industry of shoe design and ultimately the prevention of running related injuries. PURPOSE: To determine the relationship between rearfoot motion and shock attenuation during running and their link to injury in trained runners. METHODS: Ninety-two intercollegiate running athletes (40 women, 52 men, mean age = 21 years) were prospectively monitored through biomechanical analysis, survey data, daily log and physician assessment. Subjects ran on a treadmill at 3.8m/s in a fatigued state. Rearfoot motion was assessed in the coronal plane using 2D video (60Hz). Shock transmission at the tibia was measured using uniaxial accelerometers (1000Hz). Each athlete was assessed for injury by a qualified CASM physician. RESULTS: Initial assessment of the first twenty-five subjects revealed lower leg injuries in thirty-three percent. A negative correlation was found between peak tibial acceleration and magnitude of rearfoot motion (r = −0.9212) in this group, suggesting a biomechanical mechanism influencing impact forces. CONCLUSIONS: Rearfoot motion appears to affect shock transmission through the tibia in athletes reporting impact loading type injuries. Objective biomechanical parameters may be implicated, or conversely, may be predictive of running injury. This could influence the focus of future footwear design and prevention of injuries. A research grant was provided by the Nike Sports Research Laboratory, Beaverton, Oregon, USA
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».