Foam Rolling Training Effects on Range of Motion: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: A single foam-rolling exercise can acutely increase the range of motion (ROM) of a joint. However, to date the adaptational effects of foam-rolling training over several weeks on joint ROM are not well understood. OBJECTIVE: The purpose of this meta-analysis was to investigate the effects of foam-rolling training interventions on joint ROM in healthy participants. METHODS: Results were assessed from 11 studies (either controlled trials [CT] or randomized controlled trials [RCTs]) and 46 effect sizes by applying a random-effect meta-analysis. Moreover, by applying a mixed-effect model, we performed subgroup analyses, which included comparisons of the intervention duration (≤ 4 weeks vs > 4 weeks), comparisons between muscles tested (e.g., hamstrings vs quadriceps vs triceps surae), and study designs (RCT vs CT). RESULTS: = 72.76). Subgroup analyses revealed no significant differences between study designs (p = 0.36). However, a significant difference was observed in the intervention duration in favor of interventions > 4 weeks compared to ≤ 4 weeks for ROM increases (p = 0.049). Moreover, a further subgroup analysis showed significant differences between the muscles tested (p = 0.047) in the eligible studies. Foam rolling increased joint ROM when applied to hamstrings and quadriceps, while no improvement in ankle dorsiflexion was observed when foam rolling was applied to triceps surae. CONCLUSION: Longer duration interventions (> 4 weeks) are needed to induce ROM gains while there is evidence that responses are muscle or joint specific. Future research should examine possible mechanisms underpinning ROM increases following different foam-rolling protocols, to allow for informed recommendations in healthy and clinical populations.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».