MétaCan
Menu
Retour à la cohorte
Enregistrement W2053815758 · doi:10.1097/00005768-200207000-00004

Low-back stiffness is altered with warm-up and bench rest: implications for athletes

2002· article· en· W2053815758 sur OpenAlexaff
Jason P. Green, Sylvain Grenier, Stuart M. McGill

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2002
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAthletesStiffnessRest (music)Bench pressLumbarPhysical therapyMedicineLumbar spinePhysical medicine and rehabilitationOrthodonticsSurgeryStructural engineeringEngineeringResistance trainingInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: General practice in many team sports is to have the athletes who do not start in a game sit on a bench while waiting to play. The purpose of this study was to examine the effect of a warm-up followed by bench rest on the stiffness of the lumbar spine in athletes. METHODS: Nine varsity-level volleyball players volunteered to have their lumbar-spine stiffness measured. The protocol consisted of an initial stiffness measurement followed by a 30-min warm-up, then another stiffness measurement, then 30 min of bench rest, and finally a third stiffness measurement. RESULTS: In general, lumbar spine stiffness increased as a result of bench rest after a warm-up. This effect was seen in both the spine extension and lateral bend axes but not in the flexion or axial twist axes. However, there was no decrease in stiffness associated with the active warm-up portion of the task. CONCLUSIONS: It was concluded that a warm-up followed by bench rest does lead to an increase in stiffness of the lumbar spine, suggesting this practice is not in the best interest of reducing the risk of back injury or optimal performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,298
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207