Distance running stride-to-stride variability for sagittal plane joint angles
Notice bibliographique
Résumé
Recent research indicates that distance running stride-to-stride variability (SSV) is related to performance and injury. Previous studies have primarily focused on stride characteristics (stride length and time). We assessed SSV for sagittal plane joint angles with the primary purpose of testing for significant differences among the lower body joints. The secondary purpose was to determine if strong correlations exist among joint SSV measures. Thirty recreational adult runners participated in the study (8 females, 22 males, 39 ± 10 years; 53.1 ± 25.7 km/week). A 6-camera motion capture system (200 Hz) collected kinematic data during treadmill running at a preferred pace. A 2 by 3 repeated measures factorial ANOVA (phase—stance, swing; joint—hip, knee, ankle) was run (p = 0.05). There was a significant interaction effect (p < 0.001) and post hoc analysis revealed knee swing to be the most variable condition by far. For all three joints, there were strong correlations between stance and swing SSV (r = 0.80 to r = 0.88) and correlations among the joints were moderate to strong (r = 0.55 to 0.86). This study helps to better understand the joints/phases that contribute most to variability in the overall stride. Also, the strong correlations suggest that runners appear to have an overall SSV pattern that is similar across joints/phases.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».