Effect of sagittal plane mechanics on ACL strain during jump landing
Notice bibliographique
Résumé
The relationships between non-contact anterior cruciate ligament injuries and the underlying biomechanics are still unclear, despite large quantities of academic research. The purpose of this research was to study anterior cruciate ligament strain during jump landing by investigating its correlation with sagittal plane kinetic/kinematic parameters and by creating an empirical model to estimate the maximum strain. Whole-body kinematics and ground reaction forces were measured from seven subjects performing single leg jump landing and were used to drive a musculoskeletal model that estimated lower limb muscle forces. These muscle forces and kinematics were then applied on five instrumented cadaver knees using a dynamic knee simulator system. Correlation analysis revealed that higher ground reaction force, lower hip flexion angle and higher hip extension moment among others were correlated with higher peak strain (p < 0.05). Multivariate regression analyses revealed that intrinsic anatomic factors account for most of the variance in strain. Among the extrinsic variables, hip and trunk flexion angles significantly contributed to the strain. The empirical relationship developed in this study could be used to predict the relative strain between jumps of a participant and may be beneficial in developing training programs designed to reduce an athlete's risk of injury. © 2016 Orthopaedic Research Society. Published by Wiley Periodicals, Inc. J Orthop Res 34:1636-1644, 2016.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».