Sensitivity of Internal Tibial Forces and Moments to Static Optimization Moment Constraints at the Subtalar and Ankle Joints
Notice bibliographique
Résumé
We examined the sensitivity of internal tibial forces and moments during running to different subtalar/ankle moment constraints in a static optimization routine. Seventeen participants ran at 2.20, 3.33, and 4.17 ms-1 while force and motion data were collected. Ankle joint contact force was estimated using inverse-dynamics-based static optimization. Three sets of joint moment constraints were tested. All sets included the flexion-extension and abduction-adduction moments at the hip and the flexion-extension moment at the knee but differed in the constraints used at the subtalar/ankle: (1) flexion-extension at the ankle (Sag), (2) flexion-extension and inversion-eversion at ankle (Sag + Front), and (3) flexion-extension at the ankle and supination-pronation at the subtalar (Sag + SubT). Internal tibial forces and moments were quantified at the distal one-third of the tibia, by ensuring static equilibrium with applied forces and moments. No interaction was observed between running speed and constraint for internal tibial forces or moments. Sag + SubT resulted in larger internal mediolateral force (+41%), frontal (+79%), and transverse (+29%) plane moments, compared to Sag and Sag + Front. Internal axial force was greatest in Sag + Front, compared to Sag and Sag + SubT (+37%). Faster running speeds resulted in greater internal tibial forces and moments in all directions (≥+6%). Internal tibial forces and moments at the distal one-third of the tibia were sensitive to the subtalar and ankle joint moment constraints used in the static optimization routine, independent of running speed.
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 ».