Effects of lead leg selection on bilateral landing force‐time characteristics: Return to sport testing implications
Notice bibliographique
Résumé
We quantified the effect of lead leg selection on landing force–time characteristics during a vertical drop landing (VDL) initiated with a step‐off. Plyometric‐trained subjects (male: n = 8; female: n = 5; age =23 ± 3.3 years; body mass =74.4 ± 11.2 kg) performed 6 step‐off‐initiated VDLs from a 45‐cm box (n = 3/lead leg). Pooled and lead leg stratified between‐limb comparisons of limb‐specific initial ground contact timing, peak vertical ground reaction force (Fzpeak), and early landing‐phase impulse (Impulse100ms) were assessed by a two‐factor, within‐subject ANOVA, and limb symmetry indexes were calculated (α = 0.05). Pooled data showed that the lead leg made contact prior to the trail leg and contributed a greater fraction to Fzpeak compared with the trail leg. Stratifying trials by lead leg selection led to significant between‐limb differences in Fzpeak (p < 0.05) and Impulse100ms (p < 0.01) with the right leg leading but not with the left leg leading. Lead leg selection in step‐off‐initiated VDLs influenced landing performance and limb symmetry indexes of variables associated with lower limb injury risk, suggesting the need to control for lead leg selection in these tasks. A step‐off may not be a suitable technique to initiate landing tasks when assessing limb symmetry.
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 | 0,002 |
| 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) | 0,001 | 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 ».