The Relationship Between Foot Arch Stiffness, Midsole Bending Stiffness, And Running Economy
Notice bibliographique
Résumé
A theoretical foot-shoe model has been proposed by Kelly et al. (2016), where the arch stiffness of the foot and stiffness of the shoe act as two springs in series to maintain the overall system stiffness and improve performance. Matching a runner’s arch stiffness with an appropriate midsole bending stiffness may help optimize the foot-shoe system stiffness and improve running economy. PURPOSE: To determine if a relationship exists between foot arch stiffness and performance in shoes with varying midsole bending stiffnesses. METHODS: Eighteen subjects (10 M; 8F) participated in this study. Measurements of each subject’s foot arch length and midfoot height were calculated from 3D foot scans and used to determine the arch height index (AHI = midfoot height / arch length) for seated and standing positions. An Arch Stiffness Index (ASI) was defined as the ratio of the standing position AHI divided by the seated position AHI with a value closer to 1 representing a stiffer arch. Subjects then performed a 6-minute run in three footwear conditions with varying midsole bending stiffnesses (22 N/mm; 42 N/mm; & 79 N/mm) while metabolic data was collected and analyzed for the final two minutes. The footwear condition with each subject’s lowest running economy was considered their best performing condition. A Pearson product-moment correlation was used to determine the relationship between ASI and the bending stiffness of the shoe in which the subject performed best in (α = .05). RESULTS: There was a moderate, positive correlation between ASI with the stiffness of the shoe that the runner performed best in, which was statistically significant (r = 0.579, p = .012) (Figure 1). CONCLUSIONS: With increasing ASI, runners performed best in shoes with greater midsole bending stiffness, and vice versa. This suggests that matching a runner’s arch stiffness with appropriate midsole bending stiffness can help optimize the overall system stiffness of the foot-shoe interface and improve running economy.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».