Effects of Drop-height and Surface Instability on Jump Performance and Knee Kinematics
Notice bibliographique
Résumé
The purpose of this study was to examine the combined effects of drop-height and surface condition on drop jump (DJ) performance and knee joint kinematics. DJ performance, sagittal and frontal plane knee joint kinematics were measured in jump experienced young male and female adults during DJs on stable, unstable and highly unstable surfaces using different drop-heights (20, 40, 60 cm). Findings revealed impaired DJ performance (Δ5-16%; p<0.05; 1.43≤d≤2.82), reduced knee valgus motion (Δ33-52%; p<0.001; 2.70≤d≤3.59), and larger maximum knee flexion angles (Δ13-19%; p<0.01; 1.74≤d≤1.75) when using higher (60 cm) compared to lower drop-heights (≤40 cm). Further, lower knee flexion angles and velocity were found (Δ8-16%; p<0.01; 1.49≤d≤2.38) with increasing surface instability. When performing DJs from high (60 cm) compared to moderate drop-heights (40 cm) on highly unstable surfaces, higher knee flexion velocity and maximum knee valgus angles were found (Δ15-19%; p<0.01; 1.50≤d≤1.53). No significant main and/or interaction effects were observed for the factor sex. In conclusion, knee motion strategies were modified by the factors 'drop-height' and/or 'surface instability'. The combination of high drop-heights (>40 cm) together with highly unstable surfaces should be used cautiously during plyometrics because this may increase the risk of injury due to higher knee valgus stress.
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 | 0,002 |
| 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) | 0,002 | 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 ».