The Relationship Between Trunk Muscle Endurance and Three-dimensional Knee Kinematics During Jump-Landing Among Military Personnel
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».