MétaCan
Menu
Retour à la cohorte
Enregistrement W2291006022 · doi:10.1123/jab.2014-0101

Segment Kinematics Differ Between Jump and Drop Landings Regardless of Practice

2015· article· en· W2291006022 sur OpenAlexafffund
Loren Z.F. Chiu, Amy N. Moolyk

Notice bibliographique

RevueJournal of Applied Biomechanics · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésKinematicsJumpPelvisDrop (telecommunication)Physical medicine and rehabilitationMathematicsBiomechanicsKnee flexionFoot dropOrthodonticsMechanicsGeologyMedicineAnatomyComputer sciencePhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Joint kinematics differ between jump and drop landings and there is evidence that segment kinematics may also be different. The purpose of this research was to compare lower extremity segment kinematics for jump and drop landings, and to examine if multiple days of practice would influence these kinematics. Men (n = 9) and women (n = 15) performed 4 sessions of jump and drop landings (40 cm and 60 cm) in a motion-capture laboratory. Segment kinematics at initial contact, foot flat, and peak knee flexion were compared between landing types and across visits. At initial contact, foot plantar flexion was greater in jump versus drop landings (P < .05). At initial contact and foot flat, forward leg inclination and pelvis flexion were greater in jump landing (P < .05), while thigh flexion was greater in drop landings (P > .05). The differences in leg and thigh angles at initial contact and foot flat altered lower extremity posture. These results are in contrast to a previous study; this suggests that drop landing can be modified to have the same mechanics as jump landing. As practice did not influence drop landing mechanics (P > .05), specific control strategies and instructions need to be identified.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,317

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 Opus0,036
Tête enseignante GPT0,299
Écart entre enseignants0,263 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetSports Performance and TrainingTravaux en français237 207