Effects of changing speed on knee and ankle joint load during walking and running
Notice bibliographique
Résumé
Joint moments can be used as an indicator of joint loading and have potential application for sports performance and injury prevention. The effects of changing walking and running speeds on joint moments for the different planes of motion still are debatable. Here, we compared knee and ankle moments during walking and running at different speeds. Data were collected from 11 recreational male runners to determine knee and ankle joint moments during different conditions. Conditions include walking at a comfortable speed (self-selected pacing), fast walking (fastest speed possible), slow running (speed corresponding to 30% slower than running) and running (at 4 m · s(-1) ± 10%). A different joint moment pattern was observed between walking and running. We observed a general increase in joint load for sagittal and frontal planes as speed increased, while the effects of speed were not clear in the transverse plane moments. Although differences tend to be more pronounced when gait changed from walking to running, the peak moments, in general, increased when speed increased from comfortable walking to fast walking and from slow running to running mainly in the sagittal and frontal planes. Knee flexion moment was higher in walking than in running due to larger knee extension. Results suggest caution when recommending walking over running in an attempt to reduce knee joint loading. The different effects of speed increments during walking and running should be considered with regard to the prevention of injuries and for rehabilitation purposes.
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 ».