Effects of drop height and surface instability on neuromuscular activation during drop jumps
Notice bibliographique
Résumé
The purpose of this study was to examine whether drop height-induced changes in leg muscle activity during drop jumps (DJ) are additionally modulated by surface condition. Twenty-four healthy participants (23.7 ± 1.8 years) performed DJs on a force plate on stable, unstable, and highly unstable surfaces using different drop heights (i.e., 20 cm, 40 cm, 60 cm). Electromyographic (EMG) activity of soleus (SOL), gastrocnemius (GM), tibialis anterior (TA) muscles and coactivation of TA/SOL and TA/GM were analyzed for time intervals 100 ms prior to ground contact (preactivation) and 30-60 ms after ground contact [short latency response (SLR)]. Increasing drop heights resulted in progressively increased SOL and GM activity during preactivation and SLR (P < 0.01; 1.01 ≤ d ≤ 5.34) while TA/SOL coactivation decreased (P < 0.05; 0.51 ≤ d ≤ 3.01). Increasing surface instability produced decreased activities during preactivation (GM) and SLR (GM, SOL) (P < 0.05; 1.36 ≤ d ≤ 4.30). Coactivation increased during SLR (P < 0.05; 1.50 ≤ d ≤ 2.58). A significant drop height × surface interaction was observed for SOL during SLR. Lower SOL activity was found on unstable compared to stable surfaces for drop heights ≥40 cm (P < 0.05; 1.25 ≤ d ≤ 2.12). Findings revealed that instability-related changes in activity of selected leg muscles are minimally affected by drop height.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».