Effectiveness Of Regular Proactive Massage Therapy For Recreational Runners
Notice bibliographique
Résumé
PURPOSE: Previous massage research has focused on short-term reactive treatment of acute muscle injury and has often failed to demonstrate positive effects. METHODS: This study evaluated a longer term massage treatment protocol by examining the influence of regular pro-active massage therapy treatments provided to novice runners as they completed a 10 week, 10 km race preparation clinic program. Twelve controls (1 male, 11 females, 33.3+4.5 y) completed the race preparation program without massage therapy while 16 participants (5 males, 11 females,34.2 + 8.1 y) completed a similar program while weekly receiving a 30 m massage geared toward their specific running and recovery needs. RESULTS: Runners in the massage group received 9.4 + 0.8 of 10 possible massages. There were no significant differences or interactions (p>0.05) between groups for running frequency, intensity, mileage, leg strength measures, pain associated with running, daily functioning and running confidence during the program. However, significant effects for time (p<.05) were found for pain while running and pain after running with both groups experiencing more pain as the running program progressed. Although, no quantitative changes were found, many qualitative differences existed with runners in the massage group generally feeling more positive about their running experiences. Only 58% of the control group actually completed the final 10 km race, while 100% of the massage group completed the race. CONCLUSIONS: These findings suggest that regular massage therapy can have positive psychological effects on novice runners that can encourage their continued participation in physical activity. Supported by a Holistic Health Research Foundation of Canada grant to PMT & KAD
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 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 ».