Short Walking Exercise Leads to Gait Changes and Muscle Fatigue in Children With Cerebral Palsy Who Walk With Jump Gait
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to evaluate kinematic changes and muscle fatigue in jump gait during a walking exercise and the relationship between kinematic changes and muscle fatigue and strength. DESIGN: This preliminary study included 10 children with cerebral palsy who walk with jump gait. Hip and knee maximal isometric muscle strength were measured using a dynamometer. Then, lower-limb kinematics and electromyography were collected while children walked continuously for 6 min at their self-selected speed. Electromyography median frequency and lower-limb joint angles were compared between the first and the sixth minutes of the walking exercise using t test and Wilcoxon rank test. The relationship between kinematic changes and muscle strength and changes in electromyography median frequency were assessed using correlation analyses. RESULTS: During stance, maximal knee flexion significantly increased at the sixth minute (P = 0.01) and was associated with knee extensor muscle weakness (ρ = -0.504, P = 0.03). Muscle fatigue was observed only in the gluteus medius muscle (P = 0.01). CONCLUSIONS: Children with cerebral palsy who walked with jump gait and who had knee extensor weakness were more prone to an increase in knee flexion during a continuous walk. The fatigue in the gluteus medius muscle suggests that physical intervention should target the endurance of this muscle to improve jump gait.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».