MétaCan
Menu
Retour à la cohorte
Enregistrement W4353015266 · doi:10.1371/journal.pone.0283323

Surface effects on kinematics, kinetics and stiffness of habitual rearfoot strikers during running

2023· article· en· W4353015266 sur OpenAlexaff
Wenxing Zhou, Lulu Yin, Jiayi Jiang, Yu Zhang, Chengpang Hsiao, Yiyang Chen, Shiwei Mo, Lin Wang

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensMcGill University
Organismes subventionnairesShanghai University of SportNational Natural Science Foundation of China
Mots-clésKinematicsGround reaction forceBiomechanicsAnkleStiffnessGaitForce platformPhysical medicine and rehabilitationCoronal planeMathematicsMedicineStructural engineeringAnatomyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The surface effects on running biomechanics have been greatly investigated. However, the effects on rearfoot strike runners remain unknown. The purpose of this study was to investigate the effects of surfaces on the running kinematics, kinetics, and lower-limb stiffness of habitual rearfoot strikers. Thirty healthy male runners were recruited to run at 3.3 ± 0.2 m/s on a customized runway covered with three different surfaces (artificial grass, synthetic rubber, or concrete), and their running kinematics, kinetics, and lower-limb stiffness were compared. Differences among the three surfaces were examined using statistical parametric mapping and one-way repeated-measure analysis of variance. There were no statistical differences in the lower-limb joint motion, vertical ground reaction force (GRF), loading rates, and lower-limb stiffness when running on the three surfaces. The braking force (17%-36% of the stance phase) and mediolateral GRF were decreased when running on concrete surface compared with running on the other two surfaces. The moments of ankle joint in all three plane movement and frontal plane hip and knee joints were increased when running on concrete surface. Therefore, habitual rearfoot strikers may expose to a higher risk of running-related overuse injuries when running on a harder surface.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,496

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,207
Écart entre enseignants0,177 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207