MétaCan
Menu
Retour à la cohorte
Enregistrement W2076279721 · doi:10.1519/jsc.0b013e318234ec59

Using the Functional Movement Screen™ to Evaluate the Effectiveness of Training

2011· article· en· W2076279721 sur OpenAlexaff
David M. Frost, Tyson A.C. Beach, Jack P. Callaghan, Stuart M. McGill

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPhysical therapyIntervention (counseling)Physical medicine and rehabilitationScale (ratio)PsychologySagittal planeFunctional movementTraining (meteorology)Medicine

Résumé

récupéré en direct d'OpenAlex

The Functional Movement Screen™ (FMS) has demonstrated some efficacy in the prediction of injuries and is thus used by many practitioners to make recommendations for exercise. However, questions remain regarding its utility as a means to evaluate the effectiveness of training. Sixty firefighters volunteered to participate, and their FMS scores were examined before and after 12 weeks of training. Individuals were graded on how they chose to perform rather than how they could perform. The participants were assigned to 1 of 3 groups: intervention 1, intervention 2, or control. The 2 intervention groups received three 1.5-hour training sessions each week and differed in the emphasis that was placed on movement quality. Sagittal and frontal plane videos were used to grade the FMS with 3 methods: the standard 0-3 scale, a 100-point scale that weighted specific compensations (research standard), and a modified 100-point scale whereby grades were assigned based on the total number of compensations present. There were no significant differences in the total FMS scores for any group posttraining. However, the scores of 85% of the firefighters who did not receive training did change. The 100-point scale methods resulted in more FMS score changes posttraining, but the between-group interactions were identical to those found with the standard scoring method. The control group's scores were not consistent pretraining and posttraining; thus, the influence of each intervention could not be evaluated. Currently, the FMS might provide a momentary impression of general movement quality, although further efforts would likely assist in the development of better ways to implement the test, interpret the results, and generate reliable scores.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,402
Tête enseignante GPT0,527
Écart entre enseignants0,125 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations146
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strength and Conditioning ResearchMême sujetOccupational Health and PerformanceTravaux en français237 207