Comparison of Lower Extremity Kinematics during the Overhead Deep Squat by Functional Movement Screen Score
Notice bibliographique
Résumé
It is unclear if the Functional Movement Screen (FMS) scoring criteria identify kinematics that have been associated with lower extremity injury risk. The purpose was to compare lower extremity kinematics of the overhead deep squat (OHDS) during the FMS between individuals who were grouped on FMS scoring. Forty-five adults who were free of injury and without knowledge of the FMS or its scoring criteria (males = 19, females = 26; height = 1.68 0.08 m; mass = 70.7 7 13.0 kg). Three-dimensional lower extremity kinematics during an OHDS were measured using a motion capture system. One-way MANOVA was used to compare kinematic outcomes (peak hip flexion angle, hip adduction angle, knee flexion angle, knee abduction angle, knee internal rotation angle, and ankle dorsiflexion angle) between FMS groups. Those who scored a 3 had greater peak hip flexion angle (F2,42 = 8.75; p = 0.001), knee flexion angle (F2,42 = 13.53; p = 0.001), knee internal rotation angle (F2,42 = 12.91; p = 0.001), and dorsiflexion angle (F2,42 = 9.00; p = 0.001) compared to those who scored a 2 or a 1. However, no differences were found in any outcome between those who scored a 2 and those who scored a 1, or in frontal plane hip or knee kinematics. FMS scoring for the OHDS identified differences in squat depth, which was characterized by larger peak hip, knee, and dorsi- flexion angles in those who scored a 3 compared with those who scored 2 or 1. However, no differences were found between those who scored a 2 or 1, and caution is recommended when interpreting these scores. Despite a different FMS score, few differences were observed in frontal or transverse plane hip and knee kinematics, and other tasks may be needed to assess frontal plane kinematics.
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 | 0,002 | 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 | 0,001 |
| 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) | 0,001 | 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 ».