MétaCan
Menu
Retour à la cohorte
Enregistrement W2943282204 · doi:10.1111/sms.13437

Late swing or early stance? A narrative review of hamstring injury mechanisms during high‐speed running

2019· review· en· W2943282204 sur OpenAlexaff
Claire Kenneally-Dabrowski, Nicholas A. T. Brown, Adrian Lai, Diana M. Perriman, Wayne Spratford, Benjamin G. Serpell

Notice bibliographique

RevueScandinavian Journal of Medicine and Science in Sports · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensSimon Fraser University
Organismes subventionnairesAustralian Government
Mots-clésHamstringHamstring injuryPhysical medicine and rehabilitationBicepsMedicineSwingHamstring musclesElectromyographyEccentricPhysical therapyPoison controlInjury preventionEngineering

Résumé

récupéré en direct d'OpenAlex

Hamstring injuries are highly prevalent in many running-based sports, and predominantly affect the long head of biceps femoris. Re-injury rates are also high and together lead to considerable time lost from sport. However, the mechanisms for hamstring injury during high-speed running are still not fully understood. Therefore, the aim of this review was to summarize the current literature describing hamstring musculotendon mechanics and electromyography activity during high-speed running, and how they may relate to injury risk. The large eccentric contraction, characterized by peak musculotendon strain and negative work during late swing phase is widely suggested to be potentially injurious. However, it is also argued that high hamstring loads resulting from large joint torques and ground reaction forces during early stance may cause injury. While direct evidence is still lacking, the majority of the literature suggests that the most likely timing of injury is the late swing phase. Future research should aim to prospectively examine the relationship between hamstring musculotendon dynamics and hamstring injury.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,374
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Medicine and Science in SportsMême sujetSports injuries and preventionTravaux en français237 207