Impact of different bilateral knee extension strengths on lower extremity performance
Notice bibliographique
Résumé
ABSTRACT: Despite the impact of leg muscle strength on lower extremity motor performance-including walking and sit-to-stand transfer-it remains difficult to predict the relationship between bilateral leg muscle strength and lower extremity performance. Therefore, this study was designed to predict lower extremity function through the differential modeling of logarithmic and linear regression, based on knee extension strength.The study included 121 individuals living in the same community. The bilateral strengths of the knee extensors were measured using a handheld dynamometer, and the Timed Up & Go test (TUG) performance time and 5-m minimum walking times were assessed to predict lower extremity motor functions. Bilateral normalized knee extension muscle strengths and lower extremity motor function scores, including walking or TUG performance times, were assessed on the logarithmic and linear models. The Akaike information criterion (AIC) was used to evaluate the coefficient compatibility between the logarithmic regression model and the linear regression model.The AIC value for the linear model was lower than that for the logarithmic model regarding the walking time. For walking time estimation in the linear model, the coefficient value of knee extension strength was larger on the strong than on the weak side; however, the AIC value for the logarithmic model was lower than that for the linear model regarding TUG performance time. In the logarithmic model's TUG performance time estimation, the coefficient value of knee extension strength was larger on the weak than on the strong side.In conclusion, our study demonstrated different models reflecting the relationship between both legs' strengths and lower extremity performance, including the walking and TUG performance times.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».