Kinetic risk factors of running‐related injuries in female recreational runners
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Our objective was to prospectively investigate the association of kinetic variables with running-related injury (RRI) risk. Seventy-four healthy female recreational runners ran on an instrumented treadmill while 3D kinetic and kinematic data were collected. Kinetic outcomes were vertical impact transient, average vertical loading rate, instantaneous vertical loading rate, active peak, vertical impulse, and peak braking force (PBF). Participants followed a 15-week half-marathon training program. Exposure time (hours of running) was calculated from start of program until onset of injury, loss to follow-up, or end of program. After converting kinetic variables from continuous to ordinal variables based on tertiles, Cox proportional hazard models with competing risks were fit for each variable independently, before analysis in a forward stepwise multivariable model. Sixty-five participants were included in the final analysis, with a 33.8% injury rate. PBF was the only kinetic variable that was a significant predictor of RRI. Runners in the highest tertile (PBF < -0.27 BW) were injured at 5.08 times the rate of those in the middle tertile and 7.98 times the rate of those in the lowest tertile. When analyzed in the multivariable model, no kinetic variables made a significant contribution to predicting injury beyond what had already been accounted for by PBF alone. Findings from this study suggest PBF is associated with a significantly higher injury hazard ratio in female recreational runners and should be considered as a target for gait retraining interventions.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle