Effects of Load Carriage and Step Length Manipulation on Achilles Tendon and Knee Loads
Notice bibliographique
Résumé
INTRODUCTION: Longer steps with load carriage is common in shorter Soldiers when matching pace with taller Soldiers whereas shorter steps are hypothesized to reduce risk of injury with load carriage. The effects of load carriage with and without step length manipulation on loading patterns of three commonly injured structures were determined: Achilles tendon, patellofemoral joint (PFJ) and medial tibiofemoral joint (mTFJ). MATERIALS AND METHODS: ROTC Cadets (n = 16; 20.1 years ± 2.5) walked with and without load carriage (20-kg). Cadets then altered preferred step lengths ±7.5% with load carriage. Achilles tendon, PFJ and mTFJ loads were estimated via musculoskeletal modeling. RESULTS: Large increases in peak Achilles tendon load (p < 0.001, d = 1.93), Achilles tendon impulse per 1-km (p < 0.001, d = 0.91), peak mTFJ load (p < 0.001, d = 1.33), and mTFJ impulse per 1-km (p < 0.001, d = 1.49) were noted with load carriage while moderate increases were observed for the PFJ (peak: p < 0.001, d = 0.69; impulse per 1-km: p < 0.001, d = 0.69). Shortened steps with load carriage only reduced peak Achilles tendon load (p < 0.001, d = -0.44) but did not reduce Achilles impulse per km due to the resulting extra steps and also did not reduce peak or cumulative PFJ and mTFJ loads (p > 0.05). Longer steps with load carriage increased PFJ loads the most (p < 0.001, d = 0.68-0.75) with moderate increases in mTFJ forces (p < 0.001, d = 0.48-0.63) with no changes in Achilles tendon loads (p = 0.11-0.20). CONCLUSION: A preferred step length is the safest strategy when walking with load carriage. Taking a shorter step is not an effective strategy to reduce loading on the Achilles tendon, PFJ, and mTFJ.
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 | 0,000 |
| 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) | 0,000 | 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 ».