MétaCan
Menu
Retour à la cohorte
Enregistrement W4308725120 · doi:10.2478/hukin-2022-0085

Influence of Spine-Focused Verbal Instruction on Spine Flexion During Lifting

2022· article· en· W4308725120 sur OpenAlexafffund
Nevinn Becker, Amber Ziebarth, Dennis G. Larson, Derek P. Zwambag, Stephen H.M. Brown

Notice bibliographique

RevueJournal of Human Kinetics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLumbar spinePhysical medicine and rehabilitationBack injuryRange of motionLumbarThoracic spineMedicineBack painLow back painPhysical therapySPINE (molecular biology)Computer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

Lifting with a flexed spine, especially near the end range of motion, has been identified as a potential risk factor for low back injury/pain. Therefore, individuals who develop discomfort from repetitive, prolonged and/or loaded flexed or slouched postures may benefit from a greater awareness of how to control and/or modify their spinal posture to avoid irritating their backs in these situations. This study was therefore designed to test the ability of spine-oriented verbal instructions to reduce intersegmental spine flexion during three lifting tasks. The lifts were first performed without any instructions on lifting technique. An audio recording was then played with instructions to limit bending in the lower back before repeating the lifts. Following the verbal instructions, maximum spine flexion angles significantly (p < 0.05) decreased at intersegmental levels in the lower thoracic and upper lumbar (T8/T9 to L2/L3) regions, but no significant changes were observed at the lower lumbar levels (L3/L4 to L5/S1). Thus, it is concluded that spine-oriented verbal instructions can decrease spine flexion during lifting; however, other cues/instructions may be required to target lower lumbar levels which have been identified as the most prone to injury/pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,281
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Human KineticsMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207