Quantifying Asymmetry and Performance of Lower Limb Mechanical Muscle Function in Varsity Athletes—Using Non–Countermovement Jumps
Notice bibliographique
Résumé
ABSTRACT: Stadnyk, M, Sepehri, M, Cook, M, Adeeb, S, and Westover, L. Quantifying asymmetry and performance of lower limb mechanical muscle function in varsity athletes-using non-countermovement jumps. J Strength Cond Res 37(1): 98-106, 2023-The ability to automatically quantify jump performance and lower limb muscle function in athletes would be beneficial for both training and rehabilitation purposes. Countermovement jumps (CMJs) and non-CMJs (NCMJs) are simple, quick, and require relatively inexpensive equipment to effectively and reliably monitor lower limb function. In a previous study, CMJ characteristics were assessed across different varsity sports. This study is a follow-up study to incorporate NCMJs into assessing jump characteristics of the same sports and investigate the additional information provided by the complementary jump type. The main objective of this study was to look at a means of quantifying the lower limb mechanical muscle function automatically to provide information for rehabilitation and performance purposes in athletes of specific sports. Male and female varsity athletes from 4 different sports completed 5 trials of an NCMJ on dual force plates. An analysis program was developed using Wolfram Mathematica to analyze force-time jump data. Various parameters of interest were generated, including peak force, force-time curve shape classification, jump phase lengths, phase-specific kinetic impulse, asymmetry index, takeoff velocity, jump height, phase-specific center of mass displacements, and reactive strength index modified. Results obtained indicate that similar jump characteristics to the CMJ study can be quantified, which can be used for performance enhancement or injury rehabilitation. Additional data found, such as the ability of an athlete to hold a steady squat during an NCMJ, could also be meaningful in aiding trainers to design programs tailored for athletes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».