Muscle Coordination Patterns for Efficient Cycling
Notice bibliographique
Résumé
INTRODUCTION/PURPOSE: Cycling is a repetitive activity using coordinated muscle recruitment patterns to apply force to the pedals. With more muscles available for activation than required, some patterns produce high power, whereas some are more efficient. The purpose of this study was to identify relationships between muscle coordination and factors affecting muscle coordination to explain changes in overall mechanical efficiency (ηO). METHODS: Surface EMG, kinematics, and pedal forces were measured at 25%, 40%, 55%, 60%, 75%, and 90% V˙O(2max). Principal component analysis was used to establish muscle coordination, kinematic, and pedal force patterns associated with high and low ηO. RESULTS: At 55%-60% V˙O(2max), ηO was maximized and was highly related to the muscle coordination patterns. At high ηO, there was more medial and lateral gastrocnemii and soleus; less gluteus maximus, rectus femoris, and tibialis anterior; later medial and lateral vastii and biceps femoris; and earlier semitendinosus muscle activity resulting in an even distribution and synchronization of peak activity. Also, the ankle was more plantar flexed through the top and downstroke of the pedal cycle and more dorsiflexed during the upstroke for high ηO. The ηO was independent of the pedal force application. CONCLUSIONS: The results indicate that increased ηO is achieved through the coordination of muscles crossing the same joint, sequential peak activation from knee to hip to ankle, and reliance on multiple muscles for large joint torques. Also, muscle activity variability across the top and bottom of the cycle indicates that left and right leg muscle coordination may play a significant role in efficient cycling. These findings imply that cycling at 55%-60% V˙O(2max) will maximize the rider's exposure to high efficient muscle coordination and kinematics.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».