MétaCan
Menu
Retour à la cohorte
Enregistrement W2413170994 · doi:10.1080/14763141.2016.1171895

Side-sloped surfaces substantially affect lower limb running kinematics

2016· article· en· W2413170994 sur OpenAlexaff
Mohsen Damavandi, Mansour Eslami, David J. Pearsall

Notice bibliographique

RevueSports Biomechanics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésKinematicsAnkleBarefootGeologyHip flexionExternal rotationOrthodonticsPhysical medicine and rehabilitationMedicineMathematicsAnatomySurgeryRange of motionPhysics

Résumé

récupéré en direct d'OpenAlex

Running on side-sloped surfaces is a common obstacle in the environment; however, how and to what extent the lower extremity kinematics adapt is not well known. The purpose of this study was to determine the effects of side-sloped surfaces on three-dimensional kinematics of hip, knee, and ankle during stance phase of running. Ten healthy adult males ran barefoot along an inclinable runway in level (0°) and side-sloped (10° up-slope and down-slope inclinations, respectively) configurations. Right hip, knee, and ankle angles along with their time of occurrence were analysed using repeated measures MANOVA. Up-slope hip was more adducted (p = 0.015) and internally rotated (p = 0.030). Knee had greater external rotations during side-sloped running at heel-strike (p = 0.005), while at toe-off, it rotated externally and internally during up-slope and down-slope running, respectively (p = 0.001). Down-slope ankle had greatest plantar flexion (p = 0.001). Up-slope ankle had greatest eversion compared with down-slope (p = 0.043), while it was more externally rotated (p = 0.030). These motion patterns are necessary to adjust the lower extremity length during side-sloped running. Timing differences in the kinematic events of hip adduction and external rotation, and ankle eversion were observed (p = 0.006). Knowledge on these alterations is a valuable tool in adopting strategies to enhance performance while preventing injury.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports BiomechanicsMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207