The Proper Motor Control Model Revealed by Wheelchair Curling Quantification of Elite Athletes
Notice bibliographique
Résumé
BACKGROUND: Wheelchair users are disadvantaged when it comes to accruing the benefits of physical activities. Hence, promoting various sports is crucial for keeping this population healthy. Since wheelchair curling can be played by individuals from a wide range of ages, strengths, and endurance levels, it has potential to improve wheelchair users' well-being. Yet, hardly any motion studies exist. This study aimed to facilitate understanding of optimized control of wheelchair curling for promoting wheelchair users' participation. METHODS: Using motion capture technology, nine national-level athletes were tested. Kinematic parameters related to segment/joint control and their coordination were quantified for both slow and fast curling. Descriptive statistics (means and standard deviations) and correlation analysis were applied for characterizing the skill. RESULTS: (1) Curling control consists of an acceleration phase and a stabilizing delivery phase; (2) the control of trunk, shoulder, and wrist are responsible for accelerating the rock; (3) elbow control is accountable for the accurate delivery of the rock; and (4) during the slow curling, a synchronized effort of trunk, shoulder, and wrist is used for accelerating the rock, while a sequential control among the segment/joints is applied in fast curling. CONCLUSIONS: The results supply valuable motor learning markers that could have a significant positive impact on the teaching and learning of wheelchair curling, as such, the findings have great potential for the health promotion of wheelchair users.
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 | 0,000 |
| 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 ».