Can 16–18-Year-Old Elite Ballet Dancers Improve Their Hip and Ankle Range of Motion Over a 12-Month Period?
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of a 12-month intensive ballet training regimen on hip and ankle range of motion in male and female, first- and second-year professional dancers. DESIGN: 12-month longitudinal follow-up. SETTING: National classical ballet school in Australia. PARTICIPANTS: 28 female and 20 male full-time ballet students with a mean +/- 1 SD, ages 16.8 +/- 0.8 and 17.7 +/- 1.2 years, respectively. MAIN OUTCOME MEASURES: Degrees of range of motion of left and right sides for the following movements: standing plié in parallel-passive ankle dorsiflexion (DF); standing turnout in the balletic first position--lower leg external rotation (LLER); supine hip external rotation (ER); supine hip internal rotation (IR). An additional range of motion was calculated: external rotation below the hip joint (BHER) derived by subtracting hip ER from LLER. MAIN RESULTS: In all subjects combined, hip and ankle ranges increased statistically on the right. However, the amount was generally minimal and most at the borderline of the amount of error associated with the measurement tool. While there was no change in LLER, there was a decrease in BHER. There were no overall gender differences, and year differences existed only for left hip ER and total hip ER with first-year dancers showing significant improvements in these ranges. For DF and sum of hip IR, first-year males and second-year females had increases in range. There was a negative relationship between baseline range and the amount of change over the 12 months. CONCLUSIONS: Dancers ages 16-18 years who enter full-time ballet training did not augment their ankle dorsiflexion to any appreciable degree. Some, but certainly not all, increased their hip active external rotation over 12 months without increasing their total lower limb turnout. Hip ER was more likely to improve in the first-year rather than second-year student in this elite full-time training school.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».