MétaCan
Menu
Retour à la cohorte
Enregistrement W4387968610 · doi:10.1055/a-2184-5893

Evaluation of Hip Characteristics in Baseball and Softball Athletes with and Without Throwing Arm Pain

2023· article· en· W4387968610 sur OpenAlexaff
Gretchen D. Oliver, Anthony Fava, Billy Lozowski, Jason L. Zaremski, Kaila A. Holtz, Robert L. Bowers

Notice bibliographique

RevueInternational Journal of Sports Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThrowingRange of motionPhysical therapyAthletesPhysical medicine and rehabilitationMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

During throwing, the lower extremity assists in the generation and transfer of momentum. Lower extremity stability assists in this transfer by providing a base for distal mobility of the arm segments. This study aimed to determine differences between hip rotational range of motion and strength based on the presence of throwing-arm pain (yes/no) and throwing sport (baseball/softball). We hypothesized those experiencing pain would display decreases in hip range of motion and strength, and that softball players would display greater range of motion than baseball, but less strength based on sex-specific characteristics. Forty-four baseball (13±2 years, 165.2±13.0 cm, 58.5±13.4 kg) and 50 softball players (13±2 years, 160.9±11.2 cm, 62.7±17.9 kg) participated. Multivariate analysis of variance tests (2×2) determined differences in bilateral hip range of motion, total arc of motion, and strength between pain status and sport. There were no significant interactions (>0.05) for pain status and sport on hip range of motion, total arc of motion, and strength. Furthermore, no significant main effects (>0.05) were found for pain status or sport alone on range of motion or strength. Future work should be directed at explaining the effects of hip characteristics on the throwing motion and how it equates to throwing-arm health.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0020,000

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 Opus0,043
Tête enseignante GPT0,351
Écart entre enseignants0,308 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports MedicineMême sujetShoulder Injury and TreatmentTravaux en français237 207