Running kinetics and femoral trochlea cartilage characteristics in recreational and collegiate distance runners
Notice bibliographique
Résumé
Recreational running can benefit knee cartilage, but the relationship between competitive running and knee cartilage is unclear. We compared femoral cartilage between collegiate runners, recreational runners, and controls; and evaluated the association between running amount, running kinetics and femoral cartilage characteristics. Thirty collegiate runners, 30 recreational runners, and 30 controls completed ultrasound imaging of the femoral cartilage and running gait analysis. Outcomes included cartilage thickness, and echo-intensity from the medial and lateral femoral condyles; and the peak external knee flexion (KFM) and knee adduction moments. Cartilage outcomes were compared via one-way MANOVA. The associations between running kinetics, running amount, and femoral cartilage characteristics were assessed via linear regression models adjusted for sex. No differences were found in cartilage outcomes between groups (p = 0.067). Among recreational runners, a larger peak KFM was associated with lower medial femoral cartilage echo-intensity (ΔR2 = 0.176, Δp = 0.014). In collegiate runners, a greater self-reported running amount was associated with higher medial femoral cartilage (ΔR2 = 0.117, Δp = 0.046) and lateral cartilage (ΔR2 = 0.121, Δp = 0.042) echo-intensity. Cartilage did not differ between groups, but the association between running kinetics, running amount, and knee cartilage may vary between collegiate and recreational runners.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».