Using the Functional Movement Screen™ to Evaluate the Effectiveness of Training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,019 | 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 | 0,002 | 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 découle