Comparison of Different Rowing Exercises: Trunk Muscle Activation and Lumbar Spine Motion, Load, and Stiffness
Notice bibliographique
Résumé
The objective of this study was to investigate 3 different rowing exercises and quantify the muscle activation of the torso and the hip musculature, together with the corresponding spinal loading and stiffness. Seven healthy men from a university population were instrumented to obtain surface electromyography of selected trunk and hip muscles and to obtain spine position using an electromagnetic spine position sensor, together with video analysis to calculate joint moments. The 3 rowing exercises investigated were the inverted row, standing bent-over row, and standing 1-armed cable row. The inverted row elicited the highest activation of the latissimus dorsi muscles, upper-back, and hip extensor muscles. The lower activation of the lumbar erector spinae muscles during the inverted row corresponded to the lower spine load measured. The standing bent-over row produced large activation symmetrically across the back, but it produced the largest lumbar spine load. The 1-armed cable row challenged the torsional capabilities of the trunk musculature. Some core exercises may be better for rehabilitation (e.g., having the training goals of modest muscle activation with low spine load), whereas other exercises may be better for athletic training (e.g., resulting in higher muscle activation and larger spine load). When prescribing core exercises, those wishing to spare the low back may choose the inverted row, given the lowest spine load exercise. The standing bent-over row elicited large muscle activation symmetrically from the upper to lower back; it induced larger spine loads but also, not surprisingly, the highest spine stiffness. If torsional endurance or strength is the training goal, the 1-armed cable row might be considered.
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) | 0,000 | 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 | 0,000 | 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 ».