MétaCan
Menu
Retour à la cohorte
Enregistrement W2112615093 · doi:10.1080/00222895.2014.974493

Head Posture Influences Low Back Muscle Endurance Tests in 11-Year-Old Children

2014· article· en· W2112615093 sur OpenAlexaff
Aleksandar Dejanović, Christian Balkovec, Stuart M. McGill

Notice bibliographique

RevueJournal of Motor Behavior · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBack musclesPhysical medicine and rehabilitationLow back painPhysical therapyMedicineNeck musclesForward head posturePsychologyAudiologyAnatomy

Résumé

récupéré en direct d'OpenAlex

Poor low back muscle endurance has been shown to be a predictor of chronic low back pain. While posture is a modulator of low back muscle endurance, it is unclear whether the phenomenon is neural or mechanical. This study examined low back muscle endurance with changing head and neck posture in a sample of 117 children using the Biering-Sørensen test. Each subject performed the test in a neutral posture followed by randomly selected flexed and extended head and neck positions. Head posture was found to significantly influence low back muscle endurance within subjects (p < .001), with extension yielding the highest endurance scores (boys = 186.6 ± 66.2 s; girls = 192.1 ± 59 s), followed by a neutral posture (boys = 171.3 ± 56.5 s; girls = 181.7 ± 57.3 s), and flexion (boys = 146.2 ± 63.8 s; girls = 159.8 ± 49.3 s). Given the minimal influence of changing moment from head and neck posture, it appears other mechanisms influence endurance score.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,399

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,294
Écart entre enseignants0,285 · 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 tête enseignante, 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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Motor BehaviorMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207