Effect of Segmental, Localized Lower Limb Cooling on Dynamic Balance
Notice bibliographique
Résumé
PURPOSE: This study aimed to determine the effect of cooling progressively greater portions of the lower extremities on dynamic balance and neuromuscular activation. METHODS: Ten healthy males (22.8 ± 3.4 yr, 76.5 ± 9.1 kg) performed one room air temperature control (22.4°C ± 0.8°C) and three trials of cold water immersion at 12°C (lateral malleolus, ankle; lateral femoral epicondyle, knee; anterior superior iliac spine, hip) for 10 min before performing a unipedal balance test (Star Excursion Balance Test (SEBT)) with their dominant limb. Muscle activation of the vastus lateralis, biceps femoris, tibialis anterior, and lateral gastrocnemius was measured with surface EMG during the SEBT. RESULTS: Core temperature remained euthermic throughout all trials. Gastrocnemius temperature decreased from control (30.4°C ± 0.5°C) with knee (23.7°C ± 1.7°C) and hip immersion (22.4°C ± 1.0°C), whereas vastus lateralis temperature decreased from control (33.7°C ± 1.7°C) with hip immersion (27.3°C ± 2.0°C) (P < 0.01 for all comparisons). Cold water immersion influenced mean anterior and posterior reach distance on the SEBT in a dose-dependent fashion. Compared with those in control, mean anterior and posterior SEBT reach distances were not decreased with ankle (-1.38% and -0.74%, respectively) and knee immersion (-2.48% and -2.74%), whereas hip immersion significantly reduced SEBT by 4.73% and 4.05% (P < 0.05, d = 0.52-0.58). Muscle activation was largely unaffected as the lower extremities were cooled, with only the lateral gastrocnemius during the anterior SEBT approaching a decrease (P = 0.059). CONCLUSIONS: Cooling larger portions of the lower extremities progressively affect dynamic balance, and thermal protection strategies should focus on maintaining temperature in the large muscle mass of the thigh.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».