MétaCan
Menu
Retour à la cohorte
Enregistrement W4378893337 · doi:10.1177/1089313x0701100303

A Descriptive Analysis of Kinematic and Electromyographic Relationships of the Core during Forward Stepping in Beginning and Expert Dancers

2007· article· en· W4378893337 sur OpenAlexaff
Steven J. Chatfield, Donna Krasnow, Amanda Herman, Glenna Blessing

Notice bibliographique

RevueJournal of Dance Medicine & Science · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésGround reaction forceTrunkPhysical medicine and rehabilitationKinematicsCore (optical fiber)ElectromyographyMovement (music)Balance (ability)Motion analysisAcromionPhysical therapyPsychologyMedicineComputer scienceArtificial intelligenceAnatomyPhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

While electromyographic (EMG) and ki-nematic data in dance are accumulating, to date these data have raised more questions than they have answered. The purpose of this study was to introduce ensemble averaging into this body of literature as a way of dealing with the high levels of within-subject and between-subject vari-ability that have been previously reported. This study also introduces analysis during a forward weight shift, an analysis currently absent from the literature. Three collegiate novices (18.7 ± 0.6 years of age) and three expert dancers (27.7 ± 5.5 years of age) were studied in-depth. EMG data were collected continuously at 600 Hz for analysis of onset of activity for abdominal and erector spinae muscles. Kinematic data were collected continuously at 120 Hz from markers on the acromion and the greater trochanter for analysis of the verticality of the trunk. Data were collected continuously for over 4 seconds to include: baseline data prior to movement on a right legged balance, data for movement into plié fondu on the right leg, data for a forward step to the left leg, and baseline data at resolution on a left legged balance. For analysis, data were synchronized by time using onset of vertical ground reaction forces recorded by a force plate under the initial stance leg. All participants were tested on two separate days to assess day-to-day variability. Fifteen trials were collected on each day for each individual. Ensemble averaging of continuously recorded data was used to create line graphs for visual inspection, first to compare day-to-day congruence for each individual, next to assess within group variability, and finally to compare composite graphs between groups. Day-to-day variations for each individual were minimal. Differences were seen between members of the Beginner group but not the Expert group. Between group comparisons revealed the following differences: Experts appeared to use an anterior core support strategy while Beginners appeared to use a posterior core support strategy, Experts dis-played less EMG and kinematic variability than Beginners, and Experts maintained a more vertical posture throughout. Surprisingly, even though Experts were more verti-cal, they demonstrated the same amount of overall anterior-posterior sway as the Beginners. This finding leads to discussion of the dynamic nature of neuromuscular coordination patterns in maintenance of verticality. Issues surrounding the inability of statistically constructed models of human kinematic data to accurately represent individuals in groups are also discussed. Finally, applications of these findings to teaching and learning are offered.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,050
Tête enseignante GPT0,377
Écart entre enseignants0,327 · 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

Citations20
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dance Medicine & ScienceMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207