Effectiveness of a 3D bikefitting method in riding pain, fatigue, and comfort: a randomized controlled clinical trial
Notice bibliographique
Résumé
To investigate the effects of bike fitting compared to qualitative-based riding posture recommendations on comfort, fatigue, and pain in amateur cyclists. This was a randomised controlled parallel trial of 162 amateur cyclists divided into two groups: bike fitting group (BFG) – participants received a bike fitting session based on 3D kinematic assessments; and a control group (QG) – participants who received a handout containing qualitative-based cycling posture recommendations. Primary outcomes were perceived comfort (FEEL Scale), perceived fatigue (OMNI Scale), and perceived pain (numeric rating pain scale, NRPS). Outcomes were assessed at baseline, when the interventions were delivered, and after 15 days. Intention-to-treat analyses were conducted using student t-tests between pre and post intervention on both groups. All dependent variables from BFG displayed significant statistical difference between both groups post-intervention (p < 0.05). FEEL Scale and OMNI Scale results showed the highest changes of all variables under analysis (mean differences of 3.12 and 3.95 points, respectively); while the body parts with more reduction in riding pain were Groin and Back (mean differences of 1.68 and 1.35, respectively). In conclusion, 3D kinematic bikefit demonstrated superior improvements over riding pain, comfort and fatigue compared to qualitative riding posture recommendations.
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 | 0,060 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».