Long-Term Effects of a Kinematic Bikefitting Method on Pain, Comfort, and Fatigue: A Prospective Cohort Study
Notice bibliographique
Résumé
The purpose of this study is to analyze the long-term riders’ subjective responses to a standardized bikefitting method on their bicycles. Eighty-six amateur mountain bikers had their riding posture and bicycle components ergonomically adjusted through a 3D kinematic bikefitting method. Validated subjective scales (Feeling, OMNI, and Numerical Rating Pain Scale) were used to assess their overall riding comfort and fatigue along with localized pain for six body parts. Data were collected just before intervention (baseline or pre), immediately after (or post), and 30, 60, 90, and 120 days after the bikefit session. A Student’s t-test comparing before bikefit and after 120 days showed significant (p < 0.05) reduction in localized pain for all six body parts and riding comfort along with a large effect size effect (d = 1.18) for riding comfort. Although initially reduced, fatigue scores gradually increased over the months, showing a high correlation (r = 0.946) with increased monthly training volume. In conclusion, overall riding discomfort and pain were significantly decreased after a standardized kinematic bikefit session even after 120 days post intervention. However, fatigue scores began to rise after 30 days, showing a high correlation with increasing monthly training volume.
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 | 0,000 |
| 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 ».