Musculoskeletal Loads in Ergometer Rowing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rowing ergometers can be found in most gyms and fitness centers, but many people who use them regularly have little or no instruction in rowing technique. It is not known whether nonrowers who regularly practice ergometer rowing are at risk of musculoskeletal problems. This study was done to quantify the differences in kinematics, kinetics, and musculoskeletal loading of competitive rowers and nonrowers during ergometer rowing. An experiment was performed to collect kinematic, external force, and EMG data during er-gometer rowing by 5 university-level competitive rowers and 5 nonrowers. Kinematic and external force data were input to a 3-D whole-body musculo-skeletal model which was used to calculate net joint forces and moments, muscle forces, and joint contact forces. The results showed that competitive rowers and nonrowers are capable of rowing an ergometer with generally similar patterns of kinematics and kinetics; however, there are some potentially important differences in how they use their legs and trunk. The competitive rowers generated higher model quadriceps (vastus) muscle forces and pushed harder against the foot cradle, extending their knees more and their trunks less than the nonrowers during the drive phase. They also had higher contact forces at the knee and higher peak lumbar and knee flexion moments. The ratio of average peak vastus force to average peak erector spinae force in the experienced rowers was 1.52, whereas it was only 1.18 in the nonexperienced rowers.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle