Relationship between knee joint laxity and knee joint mechanics during the menstrual cycle
Notice bibliographique
Résumé
BACKGROUND: An increase in knee laxity during the menstrual cycle may increase the risk of anterior cruciate ligament injury. OBJECTIVE: To investigate whether changing knee laxity during the menstrual cycle correlates with changing knee joint loads in a cutting manoeuvre. DESIGN: Cross-sectional study. SETTING: Laboratory testing. PARTICIPANTS: 25 healthy women, with a normal menstrual cycle, no history of oral contraceptive use, and no previous knee injury INTERVENTIONS: Serum hormone concentrations were assessed and knee joint laxity at a load of 89 N was measured during the follicular, ovulation and luteal phases. Participants performed 10 trials of a cutting manoeuvre to quantify knee joint mechanics at each test session. MAIN OUTCOME MEASUREMENTS: Knee joint laxity (mm), peak knee angle ( degrees ) and knee joint moment (Nm) and knee joint impulse (Nms). RESULTS: Increased knee laxity was observed during ovulation compared with the luteal phase, but no significant changes in knee mechanics corresponding to menstrual phases were found. A positive correlation was found between changes in knee laxity and changes in knee joint loads (Deltamoment or Deltaimpulse) from the follicular phase to ovulation, and from ovulation to the luteal phase (p<0.05). Women in whom knee laxity increased showed increased knee loads, and those in whom knee laxity decreased showed decreased knee loads during the menstrual cycle. CONCLUSIONS: Knee laxity correlates positively with knee joint loads, and increased knee laxity during the menstrual cycle may be a potential risk factor for anterior cruciate ligament injuries in certain women during sports activity.
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) | 0,001 | 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 ».