Soft-tissue vibration and damping response to footwear changes across a wide range of anthropometrics in running
Notice bibliographique
Résumé
Different factors were shown to alter the vibration characteristics of soft-tissue compartments during running. Changing pre-heel strike muscle activation or changing footwear conditions represents two possibilities to influence the vibration response via frequency shift or altered damping. Associated with the study of muscle pre-tuning is the difficulty in quantifying clean experimental data for the acceleration of soft-tissue compartments and muscle activities in heterogeneous populations. The purpose of this study was to determine the vibration and pre-tuning response to footwear across a wide range of participants during running and establish and describe groups formed according to the damping coefficient. 32 subjects were used for further analysis. The subjects ran at a self-selected speed (5 min) on a treadmill in two different shoes (soft & hard), while soft-tissue accelerations and muscle activation at the gastrocnemius medialis were quantified. Damping coefficients, total muscle intensity and dominant vibration frequencies were determined. Anthropometrics and skinfold measurements of the lower limbs were obtained. According to the damping coefficient response to the footwear intervention, three groups were formed, with most runners (n = 20) showing less damping in the hard shoe. Total muscle intensity, anthropometrics, and dominant vibration frequency across footwear were not different for these three groups. Most runners (84.4%) used the strategy of adjusting the damping coefficients significantly when switching footwear. Despite damping being the preferred adjustment to changes in footwear, muscle pre-tuning might not be the only mechanism to influence damping as previously suggested. Future studies should focus on the subject-specific composition of soft-tissue compartments to elucidate their contribution to vibrations.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».