Walk Smarter, Not Harder: Effects of Cadence Manipulation on Gait Biomechanics in Patients with Patellofemoral Osteoarthritis
Notice bibliographique
Résumé
PURPOSE: This study aimed to investigate the effect of walking cadence on knee flexion angular impulse and peak external flexion moment in patients with patellofemoral osteoarthritis (OA). METHODS: Forty-eight patients with patellofemoral OA underwent repeated quantitative gait analyses on an instrumented treadmill using a randomized crossover design. Walking trials were conducted at a fixed gait speed, under three cadence conditions: (i) preferred cadence, (ii) +10% increased cadence, and (iii) -10% decreased cadence, completed in random order. Using a linear mixed model, we tested the association of cadence conditions with surrogate measures of patellofemoral load (primary outcome measure: knee flexion angular impulse) while controlling for body mass. We then repeated the analyses while sequentially replacing the dependent variable with secondary outcome measures. RESULTS: Walking with increased cadence decreased (adjusted mean difference [95% confidence interval]) the knee flexion angular impulse (-0.85 N·m·s -1 [-1.52 to -0.18], d = 0.20) and peak knee flexion moment (-4.11 N·m [-7.35 to -0.86], d = 0.24), whereas walking with decreased cadence increased the knee flexion angular impulse (1.83 N·m·s -1 [1.15 to 2.49], d = 0.42) and peak knee flexion moment (3.55 N·m [0.30 to 6.78], d = 0.21). Similar decreases and increases were observed for secondary outcome measures. CONCLUSIONS: Walking with increased cadence, while maintaining a fixed gait speed, reduces knee flexion angular impulse as well as other surrogate measures of knee loading in patients with patellofemoral OA.
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 | 0,001 | 0,002 |
| 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 ».