Neuromuscular Characteristics of Drop and Hurdle Jumps With Different Types of Landings
Notice bibliographique
Résumé
The objective of this study was to compare drop (DJ) and hurdle jumps using a preferred, flat foot (FLAT) and forefoot (FORE) landing technique. Countermovement jump height was used to establish the hurdle and the DJ heights. The subjects performed forward hurdles and vertical DJs on a force plate. Measures included vertical ground reaction force (VGRF), contact time, leg stiffness, and rate of force development (RFD). Electromyographic (EMG) activity was measured in the rectus femoris, biceps femoris, tibialis anterior, and gastrocnemius during 3 phases: preactivity, eccentric phase, and concentric phase. All the kinetic variables favored hurdles over DJs. Specifically, hurdle-preferred technique and FORE exhibited the shortest contact time and DJ FLAT the longest. The VGRF was higher in hurdle preferred and FORE than in DJ preferred, FLAT, and FORE. For stiffness and RFD, hurdle preferred and FORE were higher than DJ preferred and FLAT. Hurdle jumps showed higher rectus femoris EMG activity than DJ did during preactivity and eccentric phases but lower activity during the concentric phase. Considering the type of landing, FLAT generally demonstrated the greatest EMG activity. During the concentric phase, DJ exhibited higher rectus femoris EMG activity. Biceps femoris activity was higher with hurdles in all the phases. Gastrocnemius showed the highest EMG activity during the concentric phase, and during the eccentric phase, hurdle preferred and FORE showed the highest results. In conclusion, the hurdle FORE technique was the most powerful type of jump.
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 | 0,000 | 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 ».