MétaCan
Menu
Retour à la cohorte
Enregistrement W2080819511 · doi:10.1097/00005768-200002000-00032

Influence of midsole bending stiffness on joint energy and jump height performance

2000· article· en· W2080819511 sur OpenAlexaff
Darren J. Stefanyshyn, Benno M. Nigg

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésJumpingJumpAnkleJoint (building)Bending stiffnessStiffnessBendingOrthodonticsKnee JointJoint stiffnessBiomechanicsStructural engineeringMaterials scienceMedicineEngineeringSurgeryAnatomyPhysics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: A substantial amount of rotational energy is lost at the metatarsophalangeal joint during running and jumping. We hypothesized that the lost energy could be decreased by increasing the bending stiffness of shoe midsoles. The purposes of this investigation were to determine the influence of stiff shoe midsoles on changes in lower extremity joint power during running and jumping and to determine the influence of stiff shoe midsoles on vertical jump performance. METHODS: Carbon fiber plates were inserted into shoe midsoles and data were collected on five subjects during running and vertical jumping. RESULTS: The data showed that energy generation and absorption at each of the ankle, knee, and hip joints was not influenced by the stiffness of the shoe midsole. The stiff shoes with the carbon fiber plates did not increase the amount of energy stored and reused at the metatarsophalangeal joint; however, they reduced the amount of energy lost at this joint during both running and jumping. Vertical jump height was significantly higher (average, 1.7 cm for a group of 25 subjects) while wearing the stiff shoes. CONCLUSIONS: Increasing the bending stiffness of the metatarsophalangeal joint reduced the amount of energy lost at that joint and resulted in a corresponding improvement of performance.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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

Citations200
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207