MétaCan
Menu
Retour à la cohorte
Enregistrement W3133976173 · doi:10.1080/17461391.2021.1902570

Equations to Prescribe Bicycle Saddle Height based on Desired Joint Kinematics and Bicycle Geometry

2021· article· en· W3133976173 sur OpenAlexafffund
Anthony A. Gatti, Peter J. Keir, Michael D. Noseworthy, Marla Beauchamp, Monica R. Maly

Notice bibliographique

RevueEuropean Journal of Sport Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensUniversity of WaterlooMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésSaddleKinematicsMathematicsGeometryKnee flexionOrthodonticsMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Overuse knee injuries are common in bicycling and are often attributed to poor bicycle‐fit. Bicycle‐fit for knee health focuses on setting saddle height to elicit a minimum knee flexion angle of 25‐40°. Equations to predict saddle height include a single input, resulting in a likely suboptimal bicycle‐fit. The purpose of this work was to develop an equation to predict saddle height from anthropometrics, bicycle geometry, and user‐defined joint kinematics. Methods: Forty healthy adults (17 women, 23 men; mean (SD): 28.6 (7.2) years; 24.2 (2.6) kg/m 2 ) participated. Kinematic analyses were conducted for 18 three‐minute bicycling bouts including all combinations of 3 horizontal and 3 vertical saddle positions, and 2 crank arm lengths. For both minimum and maximum knee flexion, predictors were identified using Least Absolute Shrinkage and Selection Operator (LASSO) regression, and final models were fit using linear regression. Secondary analyses determined if saddle height equations were sex dependent. Results: The equation to predict saddle position from minimum knee flexion angle (R 2 =0.97; root mean squared error (RMSE) = 1.15 cm) was: Saddle height (cm) = 7.41 + 0.82(inseam cm) – 0.1(minimum knee flexion °) + 0.003(inseam cm)(seat tube angle °). The maximum knee flexion equation (R 2 =0.97; RMSE=1.15 cm) was: Saddle height (cm) = 41.63 + 0.78(inseam cm) – 0.25(maximum knee flexion °) + 0.002(inseam cm)(seat tube angle °). The saddle height equations were not dependent on sex. Conclusions: These equations provide a novel, practical strategy for bicycle‐fit that accounts for rider anthropometrics, bicycle geometry and user‐defined kinematics. Highlights This work developed simple equations to prescribed bicycle saddle height that elicits desired knee kinematics. Separate equations are presented for prescribing minimum or maximum knee flexion angle. Equations can be generalized to riders of both sexes, and a breadth of anthropometrics and ages.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,034
Tête enseignante GPT0,223
Écart entre enseignants0,189 · 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'étudeExpérimental (laboratoire)
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

Citations22
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sport ScienceMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207