The influence of hip mobility and quadriceps fatigue on sagittal spinal posture and muscle activation in rugby scrum performance
Notice bibliographique
Résumé
Rugby Union scrumming puts the spine under a high degree of loading. The aim of the current study was to determine how sagittal hip range of motion and quadriceps fatigue influence force output, spinal posture, and activation of the trunk and quadriceps muscles in rugby scrumming. Measures of sagittal hip flexion/extension range of motion were collected from 16 male varsity and club first XV level participants. Sagittal spine motion (electromagnetic motion capture), trunk and quadriceps activation (electromyography), and applied horizontal compressive force (force plate) were measured during individual machine scrumming. Participants performed a 5-trial scrum block involving 5 s of contact with 1-2 min recovery between each trial. They then performed a fatiguing protocol (wall sit to failure) and immediately returned to the scrum machine to perform another five trials. Though there was no significant influence of fatigue on the horizontal compressive force applied during contact (P = .83), there was a 52% increase in cervical flexion (P < .001), as well as decreased (18-23% lower) abdominal and erector spinae muscle activation (P < .05). Furthermore, quadriceps activation decreased (12-25% lower) over the course of the initial scrum block but increased (13-15% higher) in the post fatigue block (P < .05). Although athletes were able to maintain force output following the fatiguing wall sit task, there is the potential that they may be at an increased risk of spinal injury due to the combination of increased flexion and high-applied compressive force; a combination which has been shown to increase the likelihood of intervertebral disc herniation.
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 | 0,003 | 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 | 0,000 | 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 ».