FMS Scores Change With Performersʼ Knowledge of the Grading Criteria—Are General Whole-Body Movement Screens Capturing “Dysfunction”?
Notice bibliographique
Résumé
Deficits in joint mobility and stability could certainly impact individuals' Functional Movement Screen (FMS) scores; however, it is also plausible that the movement patterns observed are influenced by the performers' knowledge of the grading criteria. Twenty-one firefighters volunteered to participate, and their FMS scores were graded before and immediately after receiving knowledge of the movement patterns required to achieve a perfect score on the FMS. Standardized verbal instructions were used to administer both screens, and the participants were not provided with any coaching or feedback. Time-synchronized sagittal and frontal plane videos were used to grade the FMS. The firefighters significantly (p < 0.001) improved their FMS scores from 14.1 (1.8) to 16.7 (1.9) when provided with knowledge pertaining to the specific grading criteria. Significant improvements (p < 0.05) were also noted in the deep squat (1.4 [0.7]-2.0 [0.6]), hurdle step (2.1 [0.4]-2.4 [0.5]), in-line lunge (2.1 [0.4]-2.7 [0.5]), and shoulder mobility (1.8 [0.8]-2.4 [0.7]) tests. Because a knowledge of a task's grading criteria can alter a general whole-body movement screen score, FMS or otherwise, observed changes may not solely reflect "dysfunction." The instant that individuals are provided with coaching and feedback regarding their performance on a particular task, the task may lose its utility to evaluate the transfer of training or predict musculoskeletal injury risk.
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 | 0,006 |
| 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) | 0,003 | 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 ».