Changes in ankle work, foot work, and tibialis anterior activation throughout a long run
Notice bibliographique
Résumé
BACKGROUND: The ankle and foot together contribute to over half of the positive and negative work performed by the lower limbs during running. Yet, little is known about how foot kinetics change throughout a run. The amount of negative foot work may decrease as tibialis anterior (TA) electromyography (EMG) changes throughout longer-duration runs. Therefore, we examined ankle and foot work as well as TA EMG changes throughout a changing-speed run. METHODS: Fourteen heel-striking subjects ran on a treadmill for 58 min. We collected ground reaction forces, motion capture, and EMG. Subjects ran at 110%, 100%, and 90% of their 10-km running speed and 2.8 m/s multiple times throughout the run. Foot work was evaluated using the distal rearfoot work, which provides a net estimate of all work contributors within the foot. RESULTS: Positive foot work increased and positive ankle work decreased throughout the run at all speeds. At the 110% 10-km running speed, negative foot work decreased and TA EMG frequency shifted lower throughout the run. The increase in positive foot work may be attributed to increased foot joint work performed by intrinsic foot muscles. Changes in negative foot work and TA EMG frequency may indicate that the TA plays a role in negative foot work in the early stance of a run. CONCLUSION: This study is the first to examine how the kinetic contributions of the foot change throughout a run. Future studies should investigate how increases in foot work affect running performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».