Proximal-to-Distal Sequencing in Vertical Jumping With and Without Arm Swing
Notice bibliographique
Résumé
Vertical jumping performance is dependent on muscle strength and motor skill. An understanding of motor skill strategies and their influence on jumping mechanics provides insight into how to improve performance. This study aimed to determine whether kinematic sequencing strategy influenced jump height, the effect of sequencing on jumping mechanics, and whether arm swing influences sequencing strategy. Women volleyball players (n = 16) performed vertical jumps with and without arm swing on force platforms while recorded with a 6-camera motion capture system. Sequencing strategy was determined as the relative time delay between pelvis and knee extension. A long time delay indicated a proximal-to-distal strategy, whereas no time delay represented a simultaneous strategy. Longer relative time delay was correlated with higher jump height in jumps with (r = 0.82, p < 0.001) and without arm swing (r = 0.58, p = 0.02). Longer relative time delay and higher jump height were associated with greater hip extensor and ankle plantar flexor net joint moments (NJM), and greater ratio of concentric to eccentric knee extensor NJM (p ≤ 0.05). Longer relative time delay and higher jump height were correlated with greater thigh and leg angular accelerations (p ≤ 0.05). These kinetic and kinematic variables, along with relative time delay and jump height were greater in jumps with arm swing than without (p ≤ 0.05), indicating arm swing promotes use of a proximal-to-distal strategy. Use of a proximal-to-distal strategy is associated with greater NJM and segment accelerations, which may contribute to better vertical jump 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 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 | 0,002 | 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 ».