The Effects of a Heel Wedge on Hip, Pelvis and Trunk Biomechanics During Squatting in Resistance Trained Individuals
Notice bibliographique
Résumé
Barbell back squats are a popular exercise for developing lower extremity strength and power. However, this exercise has potential injury risks, particularly to the lumbar spine, pelvis, and hip joint. Previous literature suggests heel wedges as a means of favorably adjusting trunk and pelvis kinematics with the intention of reducing such injury risks. Yet no direct biomechanical research exists to support these recommendations. Therefore, the purpose of this study was to examine the effects of heel wedges compared with barefoot on minimally loaded barbell back squats. Fourteen trained male participants performed a barbell back squat in bare feet or with their feet raised bilaterally with a 2.5-cm wooden block while 3-dimensional kinematics, kinetics, and electromyograms were collected. The heel wedge condition elicited significantly less forward trunk flexion angles at peak knee flexion, and peak external hip joint moments (p ≤ 0.05) compared with barefoot conditions. However, no significant differences were observed between conditions for trunk and pelvis angle differences at peak knee flexion (p > 0.05). Lastly, no peak or root mean square differences in muscle activity were elicited between conditions (p > 0.05). Our results lend support for the suggestions provided in literature aimed at using heel wedges as a means of reducing excessive forward trunk flexion. However, the maintenance of a neutral spine, another important safety factor, is not affected by the use of heel wedges. Therefore, heel wedges may be a viable modification for reduction of excessive forward trunk flexion but not for reduction in relative trunk-pelvis flexion during barbell back squats.
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 | 0,002 | 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) | 0,000 | 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 ».