A kinematic analysis of high-speed treadmill sprinting over a range of velocities
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study was to measure changes in stride characteristics and lower-extremity kinematics of the hip and knee as a function of increasing treadmill velocity, at velocities ranging from submaximal to near maximal. METHODS: Six power/speed athletes experienced at sprinting on a treadmill performed trials at 70%, 80%, 90%, and 95% of their previous individual maximum velocity, with video data collected in the sagittal view at 60 Hz. RESULTS: Significant differences were seen in stride frequency (70%, 80%, P < 0.01; 90%, P < 0.05), stance time (70%, 80%, P < 0.01; 90%, P < 0.05) flight time (70%, P < 0.01; 80%, P < 0.05), hip flexion angle (70%, P < 0.01), hip flexion angular velocity (70%, P < 0.01), hip extension angular velocity (70%, 80%, P < 0.01), knee flexion angular velocity (70%, 80%, P < 0.01), and knee extension angular velocity (70%, P < 0.01), as compared with the near maximum (95%) velocity. Coefficient of variation (CV) values showed that the positional variables at the hip and knee were more variable at faster test conditions, indicating that kinematic changes occur as a function of increased treadmill velocity. CONCLUSIONS: The results indicated that at slower velocities, there were differences in the stride characteristics and lower-extremity kinematics while sprinting on a treadmill. As the velocity approached near maximum mechanical breakdown was seen, suggesting that velocities greater than 90% should be used selectively during treadmill training.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| 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) | 0,003 | 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 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 ».