MétaCan
Menu
Retour à la cohorte
Enregistrement W3138788803 · doi:10.1177/2325967121990920

Single-Leg Squat Compensations Are Associated With Softball Pitching Pathomechanics in Adolescent Softball Pitchers

2021· article· en· W3138788803 sur OpenAlexaff
Kenzie B. Friesen, Regan E. Shaw, David Shannon, Jeffrey R. Dugas, James R. Andrews, Gretchen D. Oliver

Notice bibliographique

RevueOrthopaedic Journal of Sports Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMedicineSquatPhysical medicine and rehabilitationPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: A lack of lumbopelvic-hip complex (LPHC) stability is often associated with altered pitching mechanics, thus increasing pain and injury susceptibility. The single-leg squat (SLS) is a simple diagnostic tool used to examine LPHC stability. Purpose: To examine the relationship between trunk compensatory kinematics during the SLS and kinematics at foot contact during the windmill pitch. Study Design: Descriptive laboratory study. Methods: Participants included 55 youth and high school softball pitchers (mean age, 12.6 ± 2.2 years; height, 160.0 ± 11.0 cm; weight, 60.8 ± 15.5 kg). Kinematic data were collected at 100 Hz using an electromagnetic tracking device. Participants were asked to complete an SLS on each leg, then throw 3 fastballs at maximal effort. Values of trunk flexion, trunk lateral flexion, and trunk rotation at peak depth of the SLS were used as the dependent variables in 3 separate backward-elimination regression analyses. Independent variables examined at foot contact of the pitch were as follows: trunk flexion, trunk lateral flexion, trunk rotation, center of mass, stride length, and stride knee valgus. Results: The SLS trunk rotation regression ( F(1,56) = 4.980, P = .030) revealed that trunk flexion predicted SLS trunk rotation (SE = 0.068, t = 2.232, P = .030) and explained approximately 7% of the variance in SLS trunk rotation ( R 2 = 0.083, adjusted R 2 = 0.066). The SLS trunk flexion regression ( F(1,56) = 5.755, P = 0.020) revealed that stride knee valgus significantly predicted SLS trunk flexion (SE = 0.256, t = 2.399, P = .020) and explained approximately 8% of variance in SLS trunk flexion ( R 2 = 0.095, adjusted R 2 = 0.078). Conclusion: Additional trunk rotation and trunk flexion at peak depth of the SLS showed increased knee valgus and trunk flexion at foot contact of the pitch, both of which indicate poor LPHC stability during the softball pitch and may increase the potential for injury. Clinical Relevance: Players and coaches should implement SLS analyses to determine their players’ risk for injury and compensation due to poor core stability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0030,000

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 Opus0,036
Tête enseignante GPT0,277
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrthopaedic Journal of Sports MedicineMême sujetShoulder Injury and TreatmentTravaux en français237 207