MétaCan
Menu
Retour à la cohorte
Enregistrement W4385859366 · doi:10.1123/jab.2022-0309

Open Foot Stance Reduces Lead Knee Joint Loading During Golf Swing

2023· article· en· W4385859366 sur OpenAlexaff
Hannah Stokes, Rafael F. Escamilla, Joseph M. Bellapianta, Hongsheng Wang, Tyson A.C. Beach, Dave Frost, Naiquan Zheng

Notice bibliographique

RevueJournal of Applied Biomechanics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésKinematicsBiomechanicsPhysical medicine and rehabilitationKnee JointTorqueClubRotation (mathematics)Range of motionAmateurPhysical therapyMedicineComputer sciencePhysicsAnatomySurgeryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Foot stance and club type's relationship with lead knee joint biomechanics and possible involvement with injury incidences in amateur golfers have not been evaluated. This study included 16 male right-handed amateur golfers who performed golf swings with 2 different foot stances (straight and open) using 4 different club types (driver, 3 iron, 6 iron, and 9 iron) while standing on 2 force plates in a motion capture laboratory. A custom program calculated the kinematics and kinetics of the lead knee. Overall, the open stance reduced most translations, rotations, forces, and torques of the lead knee in all 4 club types when compared with the straight stance. The open stance reduced the rotation motion (-28%), compressive force (-5%), and rotation torque (-9%) when compared with the straight stance, which are the highest contributors to grinding of cartilage. The driver club had significantly larger values in most translations, rotations, forces, and torques when compared among the 4 club types. The open stance reduced the rotation motion, compressive force, and rotation torque in the lead knee joint compared with the straight stance. Lead knee joint biomechanics should be monitored to reduce injury in amateur golfers.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,150
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,227
Écart entre enseignants0,207 · 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.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetSports Dynamics and BiomechanicsTravaux en français237 207