MétaCan
Menu
Retour à la cohorte
Enregistrement W4385349056 · doi:10.1038/s41598-023-38328-x

Relationship between biomechanics and energy cost in graded treadmill running

2023· article· en· W4385349056 sur OpenAlexaff
Marcel Lemire, Robin Faricier, Alain Dieterlen, Frédéric Meyer, Grégoire P. Millet

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRunning economyTreadmillEnergy expenditureBiomechanicsEnergy costWork (physics)Mechanical energyPhysical therapyPhysical medicine and rehabilitationGround reaction forceMathematicsWork outputAthletesMedicineSimulationHeart rateComputer sciencePhysicsEngineeringAnatomyVO2 maxInternal medicineThermodynamicsKinematics

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this study was to determine whether the relationships between energy cost of running (Cr) and running mechanics during downhill (DR), level (LR) and uphill (UR) running could be related to fitness level. Nineteen athletes performed four experimental tests on an instrumented treadmill: one maximal incremental test in LR, and three randomized running bouts at constant speed (10 km h −1 ) in LR, UR and DR (± 10% slope). Gas exchange, heart rate and ground reaction forces were collected during steady-state. Subjects were split into two groups using the median Cr for all participants. Contact time, duty factor, and positive external work correlated with Cr during UR (all, p < 0.05), while none of the mechanical variables correlated with Cr during LR and DR. Mechanical differences between the two groups were observed in UR only: contact time and step length were higher in the economical than in the non-economical group (both p < 0.031). This study shows that longer stance duration during UR contributes to lower energy expenditure and Cr (i.e., running economy improvement), which opens the way to optimize specific running training programs.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,081
Tête enseignante GPT0,318
Écart entre enseignants0,237 · 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'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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSports Performance and TrainingTravaux en français237 207