Relationship Between Knee Walking Kinematics and Muscle Flexibility in Runners
Notice bibliographique
Résumé
CONTEXT: Decreased flexibility in muscles and joints of lower extremities is commonly observed in runners. Understanding the effect of decreased flexibility on knee walking kinematics in runners is important because, over time, altered gait patterns can make runners vulnerable to overuse injuries or degenerative pathologies. OBJECTIVES: To compare hamstring and iliotibial-band (ITB) flexibility and knee kinematics in runners and nonrunners. DESIGN: A descriptive, comparative laboratory study. SETTING: Hamstring and ITB flexibility were measured with the active knee-extension test and the modified Ober test, respectively, in both groups of participants. Three-dimensional (3D) walking kinematic data were then recorded at the knee using a motiontracking system. PARTICIPANTS: 18 runners and 16 nonrunners. MAIN OUTCOME MEASURES: Knee-extension angle (hamstring flexibility) and hip-adduction angle (ITB flexibility). Knee kinematic parameters of interest included knee angle at initial contact, peak knee angles, and knee-angle range in all planes of movement. RESULTS: The runners had a significantly less flexible ITB than the nonrunners (hip adduction [-] and adduction [+] angles, 3.1° ± 5.6° vs -.4° ± 4.5°; P < .001). The runners demonstrated a greater mean tibial external-rotation angle at initial contact (7.3° ± 5.8° vs 2.0° ± 4.0°; P = .01) and a smaller mean peak tibial internal-rotation angle (-1.6° ± 3.0° vs -4.2° ± 3.2°; P = .04) than the nonrunners. CONCLUSION: This study provides new insight into the relationship between muscle flexibility and 3D knee kinematics in runners. This supports the premise that there is an association between muscle flexibility and transverse-plane knee kinematics in this population.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».