Biomechanics of graded running: Part II—Joint kinematics and kinetics
Notice bibliographique
Résumé
Compared to level running (LR), different strategies might be implemented by runners to cope with specific challenges of graded running at different speeds. The changes in joint kinetics and kinematics associated with graded running have been investigated, but their interactions with speed are unknown. Nineteen participants ran on an instrumented treadmill at five grades (0°, ±5° and ± 10°) and three speeds (2.50, 3.33 and 4.17 m/s), while 3D motion and forces were recorded. Three speed × five-grade repeated-measures ANOVA was used to analyze kinetic and kinematic variables. A speed × grade interaction was observed for hip range of motion (ROM). Downhill running (DR) at fastest speed did not reduce ROM at the hip, compared to LR. Compared to LR, it was observed that the hip joint was responsible for a greater contribution of energy generation while running at the fastest speed at +10°. Speed × grade interactions were also observed for the energy absorption, peak moment, and peak power at the knee. Contrary to LR, running faster during UR did not require higher peak power at the knee. Finally, DR at the fastest speed did not increase peak negative power at the knee compared to LR. This study demonstrates that ankle, knee, and hip joint kinetics depend on speed and grade of running, while the effect of grade on joint kinematics was not substantially modulated by speed.
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) | 0,001 | 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 | 0,001 | 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) | 0,003 | 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 ».