Influence of shoe drop on running kinematics and kinetics in female runners
Notice bibliographique
Résumé
Abstract This study investigated the effects of shoe drop on lower limb kinematics and kinetics in female runners. Fifteen healthy female runners ran on a 15‐m runway at their preferred speed with three different shoe‐drop conditions: 0 ( D 0 ), 6 ( D 6 ) and 10 ( D 10 ) mm. Three‐dimensional marker positions and ground reaction forces were recorded to analyse kinetic and kinematic parameters using zero‐ (0D) and one‐dimensional (1D) metrics (statistical parametric mapping, SPM). Regarding 0D parameters, significantly higher loading rates and transient peaks were found in D 0 compared to D 6 and D 10 conditions (both p < .01). For 1D analysis, significantly higher ankle dorsiflexion moments were found in D 0 compared to D 6 and D 10 during the braking phase ( p < .01). Lower knee extension moments between 52% and 55% and 61% and 65% of contact time ( p < .05) were also found. No difference was found between D 6 and D 10 conditions ( p > .05). As previously shown in men, this study demonstrates that shoe drop influences running kinematic and kinetic patterns. Using SPM analysis in conjunction with classical analysis, the study adds new understanding on the influence of shoes on joint moment during contact time.
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 ».