Runners with patellofemoral pain demonstrate sub-groups of pelvic acceleration profiles using hierarchical cluster analysis: an exploratory cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Previous studies have suggested that distinct and homogenous sub-groups of gait patterns exist among runners with patellofemoral pain (PFP), based on gait analysis. However, acquisition of 3D kinematic data using optical systems is time consuming and prone to marker placement errors. In contrast, axial segment acceleration data can represent an overall running pattern, being easy to acquire and not influenced by marker placement error. Therefore, the purpose of this study was to determine if pelvic acceleration patterns during running could be used to classify PFP patients into homogeneous sub-groups. A secondary purpose was to analyze lower limb kinematic data to investigate the practical implications of clustering these subjects based on 3D pelvic acceleration data. METHODS: A hierarchical cluster analysis was used to determine sub-groups of similar running profiles among 110 PFP subjects, separately for males (n = 44) and females (n = 66), using pelvic acceleration data (reduced with principal component analysis) during treadmill running acquired with optical motion capture system. In a secondary analysis, peak joint angles were compared between clusters (α = 0.05) to provide clinical context and deeper understanding of variables that separated clusters. RESULTS: The results reveal two distinct running gait sub-groups (C1 and C2) for female subjects and no sub-groups were identified for males. Two pelvic acceleration components were different between clusters (PC1 and PC5; p < 0.001). While females in C1 presented similar acceleration patterns to males, C2 presented greater vertical and anterior peak accelerations. All females presented higher and delayed mediolateral acceleration peaks than males. Males presented greater ankle eversion (p < 0.001), lower knee abduction (p = 0.007) and hip adduction (p = 0.002) than all females, and lower hip internal rotation than C1 (p = 0.007). CONCLUSIONS: Two distinct and homogeneous kinematic PFP sub-groups were identified for female subjects, but not for males. The results suggest that differences in running gait patterns between clusters occur mainly due to sex-related factors, but there are subtle differences among female subjects. This study shows the potential use of pelvic acceleration patterns, which can be acquired with accessible wearable technology (i.e. accelerometers).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».