Lower Limb Mechanics during Stair Descent with and without a Handrail
Notice bibliographique
Résumé
In 1996, the World Health Organization outlined a framework for achieving health across the lifespan and identified ageing and health to be a priority issue. One of the most prevalent yet preventable forms of age-related risks to health is falling. Research consistently points to stairs as the most common location of falls; despite this, older adults demonstrate similar patterns and frequency of stair use compared to their younger counterparts. Moreover, well known age-related physiological changes contribute to the use of alternate stair ambulation patterns, particularly increased handrail use. To date, the mechanism of how handrail force alters the lower limb and trunk mechanics in different populations is unknown. PURPOSE: This exploratory study examined how varied amounts of force applied to the handrail effect knee joint mechanics. METHODS: Ten self-described healthy female adults 65–85 y participated. Knee joint mechanics were analyzed during stair descent under three conditions [1) no load applied to the handrail (NH), 2) a light handrail load (LH), and 3) a heavy handrail load (HH)]. Three dimensional net moments were calculated. Physical activity, health, and demographics were assessed via the Human Activity Profile, SF-36, and demographic questionnaire, respectively.FigureRESULTS: The frontal and sagittal plane moments during stance were not different across the NH, LH, and HH conditions. However, visual inspection revealed HH frontal moment profile to be shifted relative to the LH and NH frontal moment profiles. CONCLUSION: Force applied to the handrail is an important factor in stair negotiation. Future research should now examine if there is an optimal handrail load to use during stair ambulation.
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 | 0,001 |
| 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 ».