Effect of Long-term Isometric Training on Core/Torso Stiffness
Notice bibliographique
Résumé
Although core stiffness enhances athletic performance traits, controversy exists regarding the effectiveness of isometric vs. dynamic core training methods. This study aimed to determine whether long-term changes in stiffness can be trained, and if so, what is the most effective method. Twenty-four healthy male subjects (23 ± 3 years; 1.8 ± 0.06 m; 77.5 ± 10.8 kg) were recruited for passive and active stiffness measurements before and after a 6-week core training intervention. Twelve subjects (22 ± 2 years; 1.8 ± 0.08 m; 78.3 ± 12.3 kg) were considered naive to physical and core exercise. The other 12 subjects (24 ± 3 years; 1.8 ± 0.05 m; 76.8 ± 9.7 kg) were Muay Thai athletes (savvy). A repeated-measures design compared core training methods (isometric vs. dynamic, with a control group) and subject training experience (naive vs. savvy) before and after a 6-week training period. Passive stiffness was assessed on a "frictionless" bending apparatus and active stiffness assessed through a quick release mechanism. Passive stiffness increased after the isometric training protocol. Dynamic training produced a smaller effect, and as expected, there was no change in the control group. Active stiffness did not change in any group. Comparisons between subject and training groups did not reveal any interactions. Thus, an isometric training approach was superior in terms of enhancing core stiffness. This is important since increased core stiffness enhances load bearing ability, arrests painful vertebral micromovements, and enhances ballistic distal limb movement. This may explain the efficacy reported for back and knee injury reduction.
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 | 0,005 | 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 | 0,001 |
| 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 ».