Chronic effects of stretching on range of motion with consideration of potential moderating variables: A systematic review with meta-analysis
Notice bibliographique
Résumé
BACKGROUND: It is well known that stretch training can induce prolonged increases in joint range of motion (ROM). However, to date more information is needed regarding which training variables might have greater influence on improvements in flexibility. Thus, the purpose of this meta-analysis was to investigate the effects of stretch training on ROM in healthy participants by considering potential moderating variables, such as stretching technique, intensity, duration, frequency, and muscles stretched, as well as sex-specific, age-specific, and/or trained state-specific adaptations to stretch training. METHODS: We searched through PubMed, Scopus, Web of Science, and SportDiscus to find eligible studies and, finally, assessed the results from 77 studies and 186 effect sizes by applying a random-effect meta-analysis. Moreover, by applying a mixed-effect model, we performed the respective subgroup analyses. To find potential relationships between stretch duration or age and effect sizes, we performed a meta-regression. RESULTS: = 74.97). Subgroup analysis showed a significant difference between the stretching techniques (p = 0.01) indicating that proprioceptive neuromuscular facilitation and static stretching produced greater ROM than did ballistic/dynamic stretching. Moreover, there was a significant effect between the sexes (p = 0.04), indicating that females showed higher gains in ROM compared to males. However, further moderating analysis showed no significant relation or difference. CONCLUSION: When the goal is to maximize ROM in the long term, proprioceptive neuromuscular facilitation or static stretching, rather than ballistic/dynamic stretching, should be applied. Something to consider in future research as well as sports practice is that neither volume, intensity, nor frequency of stretching were found to play a significant role in ROM yields.
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 | 0,014 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,036 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».