The analysis of knee joint loading during drop landing from different heights and under different instruction sets in healthy males
Notice bibliographique
Résumé
BACKGROUND: Mechanical loading during exercise has been shown to promote tissue remodeling. Safe and accessible exercise may be beneficial to populations at risk of diminished bone and joint health. We examined the effect of drop height and instruction on knee loading during a drop-landing task and proposed a task that makes use of drop heights that may be appropriate for rehabilitation purposes and functional in daily life to examine transient knee joint loads. METHODS: Twenty males (22.0 ± 2.8 years) performed drop landings from 22 cm (low) and 44 cm (high) heights, each under three instructions: "land naturally" (natural), "softly" (soft), and "stiffly" (stiff). Knee compression force and external flexion moment were estimated using three-dimensional inverse dynamics and normalized to body mass. RESULTS: Peak knee compression force was larger (p < 0.001) for high (17.8 ± 0.63 N/kg) than low (14.8 ± 0.61 N/kg) heights. There was an increase (p < 0.001) in the knee compression force across soft (11.8 ± 0.40 N/kg), natural (17.0 ± 0.62 N/kg), and stiff (20.2 ± 0.67 N/kg) instructions. Peak knee flexion moment in high-natural (2.12 ± 0.08 Nm/kg) was larger (p < 0.001) than in high-soft (1.88 ± 0.08 Nm/kg), but lower than in high-stiff (2.23 ± 0.08 Nm/kg). No differences in peak knee flexion moment were observed across instructions for the low height. CONCLUSIONS: We propose a drop-landing task that creates a scalable increase in knee compression loading. The absence of increased knee flexion moment with drop from the low height, compared to high, suggests that individuals could perform the task without incremental risk of knee injury. This task could be used in future studies to examine the effect of acute bouts of mechanical loading on bone and cartilage metabolism.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».