MétaCan
Menu
Retour à la cohorte
Enregistrement W2800242871 · doi:10.70252/bwze8275

The Effect of Stance Width and Anthropometrics on Joint Range of Motion in the Lower Extremities during a Back Squat

2018· article· en· W2800242871 sur OpenAlexaff
Éric Demers, Jonathan Pendenza, Valentin Radevich, Richard Preuss

Notice bibliographique

RevueInternational journal of exercise science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensMcGill UniversityCentre de réadaptation Lethbridge-Layton-MackayMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésAnkleSquatSquatting positionRange of motionTrunkAnkle dorsiflexionThighMedicineKnee JointAnthropometryPhysical medicine and rehabilitationKnee flexionOrthodonticsAnatomyPhysical therapySurgery

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to assess whether changing the stance width has an effect on the range of motion of hip flexion, knee flexion, and ankle dorsiflexion during an unloaded back squat, and whether these joint movements are affected by anthropometric differences. Thirty-two healthy, young adults performed unloaded back squats at three different stance widths, normalized to pelvic width. Joint angles were assessed using electromagnetic motion capture sensors on the sacrum, and thigh, shank and foot of the dominant leg. ANOVA comparison of joint angles for the three stance widths, at 10° intervals of thigh orientation during the squat, indicated that joint angles tended to be larger when stance width was narrower, with the most significant effects on ankle dorsiflexion. A greater trunk/thigh length ratio (relatively long trunk) also tended to be associated with lower ankle and knee angles, while a greater thigh/shank length ratio (relatively long thigh) tended to be associated with higher ankle and knee angles, for the two narrower stance widths. The most practical implication of our findings is that individuals with limited ankle dorsiflexion, or with particularly long legs / thighs, may benefit from a wider stance width when squatting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,308
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of exercise scienceMême sujetSports Performance and TrainingTravaux en français237 207