Kinematic Analysis During Straight Line Free Swimming in Horses: Part 1 - Forelimbs
Notice bibliographique
Résumé
Background: Swimming is used for rehabilitation and conditioning purposes in equine sports medicine despite the lack of understanding of equine swimming kinematics. The aim of this study was to assess forelimb joints kinematics (elbow, carpus, and fetlock) in swimming horses. The specific objectives were 1- to calculate and compare joint angles in swimming vs. passive mobilizations (PM), 2- to determine joint angular velocities during a swimming stride cycle. Methods: Eleven elite endurance horses swam in a 100-m straight pool. Underwater (swimming) and overground (PM) videos were recorded from the horses' left side. Joint markers were applied on the lateral hoof wall, lateral metacarpal epicondyle, ulnar carpal bone, lateral humeral epicondyle, and the greater tubercle of humerus, from which elbow, carpus and fetlock angles, and angular velocities were obtained. As a reference, maximal fetlock, carpus, and elbow flexion/extension angles were determined during PM overground. Differences between angle extrema, angular velocities and range of motion (ROM) were compared. Results: Carpus and fetlock ROM were significantly smaller ( p < 0.001) during swimming when compared with PM, while there was no difference in elbow ROM between both situations. The carpus had the greatest ROM of all joints during swimming. Absolute angular velocities values of all joints during swimming were greater during retraction than protraction ( p < 0.001). When compared to other joints during protraction, the carpus joint reached the highest angular velocity. Conclusion: Swimming, as a rehabilitation exercise, has the potential to benefit horses where great elbow ROM with a moderate carpus and fetlock extension are wanted.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».