SIDE-SIDE FORCES AND LOADING RATES IN A JUMPING PROGRAM FOR INCREASING BONE MASS IN POSTMENOPAUSAL WOMEN
Notice bibliographique
Résumé
When developing exercise prescriptions for increasing bone mass, it is necessary to quantify variables associated with osteogenesis. In exercise studies specific to increasing hip bone mass, bone mineral density is generally measured on only one side. The one-sided measurement is based on the assumption that both sides of the body are exposed to the same forces. We are currently using 10 sets of 10 jumps-in-place in combination with resistance training exercises to increase bone mass in postmenopausal women. PURPOSE In this pilot work we asked: 1. What are the landing forces and loading rates from jumps-in-place? 2. Are both feet subjected to the same forces and rates? 3. Do the forces change over 10 sets of 10 jumps? METHODS 30 postmenopausal women performed 10 sets of 10 jumps-in-place on 2 force plates. Three variables were quantified: maximum vertical Ground Reaction Forces (vGRF) and loading rates and a left-right difference score, defined for each individual and variable as the absolute value of the mean difference between feet from each set of jumps. One sample t-test were used to compare the mean difference scores to 0. Regression was used to assess changes in vGRF across sets for the group. Statistical significance was p <0.05. RESULTS Maximum vGRF's and loading rates acting at each foot were 2.0 ± 0.6 BW and 24.4 ± 11.2 BW/s, respectively (mean ± SD). Mean left-right differences in vGRF and loading rate were significant, 0.2 ± 0.2 BW and 2.9 ± 3.0 BW/s respectively. vGRF's increased significantly from the first set of 10 jumps to the last set (slope = 0.0093 BW, p = 0.001). CONCLUSIONS Forces and loading rates from jumps-in-place are similar to those reported for running (Munro, 1987). However, we do not know how the forces imposed on the hip during running compare to those during jumping. While significant left-right differences and changes in forces across trials exist, the differences are not likely clinically important. Supported by American Federation of Aging Research, John Erkkila Foundation, BRL Clinical Program.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».