MétaCan
Menu
Retour à la cohorte
Enregistrement W3090672900 · doi:10.3389/fspor.2020.560288

High Load With Lower Repetitions vs. Low Load With Higher Repetitions: The Impact on Asymmetry in Weight Distribution During Deadlifting

2020· article· en· W3090672900 sur OpenAlexafffund
Mitchel C. Whittal, Derek P. Zwambag, Luke W. Vanderheyden, Greg L. McKie, Tom J. Hazell, Diane E. Gregory

Notice bibliographique

RevueFrontiers in Sports and Active Living · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsLift (data mining)AsymmetryRepetition (rhetorical device)Load distributionHeavy loadWeight distributionPhysicsStructural engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigated weight distribution between the lower limbs using a symmetry index (SI) score of the vertical ground reaction forces (GRF) and measures of postural stability in high load/low repetition (termed "heavy") and low load/high repetition (termed "light") deadlifting. Ten participants performed two deadlift protocols with equal cumulative external load. These protocols were designed to represent standard high load/low repetition and low load/high repetition workouts; order was random and separated by 7 days. An effect of lifting condition (p = .023) and set number (p = .011) was observed such that lifts in the heavy condition were less symmetrical than those in the light condition and lifts become more symmetrical as set number increased. There was no effect of lift number on symmetry of force production (p = .127). Additional analysis revealed that centre of pressure (COP) path length was greater during heavy lifts (p = .002) however COP range was unaffected suggesting controlled point of force application within the same boundaries regardless of lifting condition. As asymmetries have been previously associated with increased injury risk, greater training emphasis on the symmetrical performance of sub-maximal deadlifts should be considered to try to minimize the development of asymmetries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,215
Écart entre enseignants0,211 · 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.

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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sports and Active LivingMême sujetSports injuries and preventionTravaux en français237 207