Learning Spinal Manipulation Skills: Assessment of Biomechanical Parameters in a 5-Year Longitudinal Study
Notice bibliographique
Résumé
OBJECTIVE: Teaching spinal manipulation (SM) is a fundamental aspect of chiropractic training. Recent works have identified various biomechanical variables as indicators of SM performance and learning. However, only data from cross-sectional studies are available, limiting conclusions regarding the persistence of SM performance over the years. Therefore, the main objective of this investigation was to quantify the evolution of biomechanical parameters of SM over a 5-year learning period. METHODS: Thirty-three students enrolled in a chiropractic program participated in the present study. They were tested each year at the beginning of each fall semester by performing 10 SMs on an instrumented manikin while standing on a force plate. The procedure allowed us to measure various force-time parameters. RESULTS: Overall, significant time effects were noted for most dependent variables. The results indicated rapid improvement in the peak force applied and the rate of force production during the first 2 years. Time to peak force decreased drastically during the first year, whereas preload forces reached satisfactory levels during the third year. When various force-time requirements of bimanual task components were met, learners significantly reduced trial-to-trial variability of SM peak and preload forces, indicating automaticity of performance. Although global coordination improved in all learning processes, it was only in the later phase that learners reached values approaching those of experts. CONCLUSION: Overall, these results highlighted the importance of considering learning principles in the development of didactic strategies related to SM motor skills.
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 | 0,001 |
| 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 ».