Gait Kinematics in Individuals with Acute and Chronic Patellofemoral Pain
Notice bibliographique
Résumé
PURPOSE: This study aimed to identify the discriminating kinematic gait characteristics between individuals with acute and chronic patellofemoral pain (PFP) and healthy controls. METHODS: Ninety-eight runners with PFP (39 male, 59 female) and 98 healthy control runners (38 male, 60 female) ran on a treadmill at a self-selected speed while three-dimensional lower limb kinematic data were collected. Runners with PFP were split into acute (n = 25) and chronic (n = 73) subgroups on the basis of whether they had been experiencing pain for less or greater than 3 months, respectively. Principal component analysis and linear discriminant analysis were used to determine the combination of kinematic gait characteristics that optimally separated individuals with acute PFP and chronic PFP and healthy controls. RESULTS: Compared with controls, both the acute and chronic PFP subgroups exhibited greater knee flexion across stance and greater ankle dorsiflexion during early stance. The acute PFP subgroup demonstrated greater transverse plane hip motion across stance compared with healthy controls. In contrast, the chronic PFP subgroup demonstrated greater frontal plane hip motion, greater knee abduction, and reduced ankle eversion/greater ankle inversion across stance when compared with healthy controls. CONCLUSIONS: This study identified characteristics that discriminated between individuals with acute and chronic PFP when compared with healthy controls. Certain discriminating characteristics were shared between both the acute and chronic subgroups when compared with healthy controls, whereas others were specific to the duration of PFP.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».