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 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) | 0,001 | 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 ».