Variability in Running Economy of Kenyan World-Class and European Amateur Male Runners with Advanced Footwear Running Technology: Experimental and Meta-analysis Results
Notice bibliographique
Résumé
BACKGROUND: Advanced footwear technology improves average running economy compared with racing flats in sub-elite athletes. However, not all athletes benefit as performance changes vary from a 10% drawback to a 14% improvement. The main beneficiaries from such technologies, world-class athletes, have only been analyzed using race times. OBJECTIVE: The aim of this study was to measure running economy on a laboratory treadmill in advanced footwear technology compared to a traditional racing flat in world-class Kenyan (mean half-marathon time: 59:30 min:s) versus European amateur runners. METHODS: Seven world-class Kenyan and seven amateur European male runners completed a maximal oxygen uptake assessment and submaximal steady-state running economy trials in three different models of advanced footwear technology and a racing flat. To confirm our results and better understand the overall effect of new technology in running shoes, we conducted a systematic search and meta-analysis. RESULTS: Laboratory results revealed large variability in both world-class Kenyan road runners, which ranged from a 11.3% drawback to a 11.4% benefit, and amateur Europeans, which ranged from a 9.7% benefit to a 1.1% drawback in running economy of advanced footwear technology compared to a flat. The post-hoc meta-analysis revealed an overall significant medium benefit of advanced footwear technology on running economy compared with traditional flats. CONCLUSIONS: Variability of advanced footwear technology performance appears in both world-class and amateur runners, suggesting further testing should examine such variability to ensure validity of results and explain the cause as a more personalized approach to shoe selection might be necessary for optimal benefit.
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 | 0,012 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,024 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».