MétaCan
Menu
Retour à la cohorte
Enregistrement W3008009159 · doi:10.32598/10.32598/jmr.13.3.161

The Relationship Between Trunk Muscle Endurance and Three-dimensional Knee Kinematics During Jump-Landing Among Military Personnel

2020· article· en· W3008009159 sur OpenAlexaboutno aff
Mohammad Fallah Mohammadi, Vahid Sobhani

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrunkPhysical medicine and rehabilitationJumpKinematicsRehabilitationPhysical therapyMedicineJumpingKnee flexionAeronauticsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Introduction: Musculoskeletal injuries are prevalent among active individuals, such as military personnel, which may lead to high health costs. The injuries, specifically in lower extremity joints, are mostly taking place during movements such as jumping. This study investigates the correlation between trunk muscle endurance and three-dimensional knee kinematics during jump-landing among military personnel. Materials and Methods: Thirty commandoes (Mean±SD age: 29.45±4.76) participated in the study. The researchers performed McGill standardized testing battery (core muscle endurance tests). Our subjects underwent jump-landing maneuver and 3D motion analysis of knee joint kinematics. Then the investigators analyzed the obtained data using the Pearson correlation test (P<0.05). The main outcome measures were trunk muscles’ endurance and knee joint angles of flexion-extension, abduction-adduction, and internal rotation-external rotation estimated using MATLAB scripts for three trials during peak angle of knee flexion just before the rebound. We also calculated the average value for the aforementioned motions from initial contact to the take-off phase. Results: The Pearson correlation test indicated a statistically significant correlation between the peak and average value of knee flexion angle and right (rpeak=0.511, raverage=0.505/ Ppeak=0.021, Paverage=0.023) and left (rpeak=0.486, raverage=0.445/ Ppeak=0.030, Paverage=0.049) side bridge tests. Moreover, we observed a significant negative correlation between average knee internal rotation and trunk flexors’ endurance test value (r=-0.496, P=0.026). Discussion: The trunk muscles provide knee stability in dynamic tasks. Particularly, strengthening abdominal and lateral muscles of the trunk high shown to decrease knee rotation and flexion, respectively, during landing from a jump. Consequently, the authorities should emphasize this fact while designing conditioning or rehabilitation programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,457
Tête enseignante GPT0,589
Écart entre enseignants0,132 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetOccupational Health and PerformanceTravaux en français237 207