MétaCan
Menu
Retour à la cohorte
Enregistrement W3006456291

The effect of a six-week plyometric training on dynamic balance and knee proprioception in female badminton players.

2019· article· en· W3006456291 sur OpenAlexaff
Raana Alikhani, Shahnaz Shahrjerdi, Masod Golpaigany, Mohsen Kazemi

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensCanadian Memorial Chiropractic College
Organismes subventionnairesnon disponible
Mots-clésProprioceptionAnterior cruciate ligamentPlyometricsBalance (ability)MedicineDynamic balancePhysical therapyAnterior Cruciate Ligament InjuriesSignificant differenceACL injuryPhysical medicine and rehabilitationSurgeryInternal medicinePhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Non-contact anterior cruciate ligament (ACL) injury is one of the most common severe injuries among female badminton players. Dynamic balance (DB) and knee proprioception (KP) are critical in preventing this injury. The purpose of this study was to investigate the effect of a six-week plyometric training (PT) program on DB and KP in female badminton players. METHODS: Twenty-two healthy beginner female badminton players were randomly assigned to either control (CG) or experimental group (ExG). The ExG went through PT for six weeks. Pre- and post-intervention Y balance and photography tests were used to assess DB and KP, respectively. RESULTS: There was no difference between groups prior to PT in DB (p=0.804) and KP (at 45°, p=0.085 and at 60°, p=0.472 angles; p>0.05). However, after the PT only ExG improved significantly in DB (p=0.003) and KP (at 45°, p=0.004 and at 60°, p=0.010 angles; p<0.05). CONCLUSION: Female badminton players' dynamic balance and knee proprioception improved significantly after plyometric training (PT). These results may be important in preventing non-contact anterior cruciate ligament (ACL) injury, which requires further investigation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207