Acute Effects of Various Stretching Techniques on Range of Motion: A Systematic Review with Meta-Analysis
Notice bibliographique
Résumé
Although stretching can acutely increase joint range of motion (ROM), there are a variety of factors which could influence the extent of stretch-induced flexibility such as participant characteristics, stretching intensities, durations, type (technique), and muscle or joint tested. The objective of this systematic review and meta-analysis was to investigate the acute effects of stretching on ROM including moderating variables such as muscles tested, stretch techniques, intensity, sex, and trained state. A random-effect meta-analysis was performed from 47 eligible studies (110 effect sizes). A mixed-effect meta-analysis subgroup analysis was also performed on the moderating variables. A meta-regression was also performed between age and stretch duration. GRADE analysis was used to assess the quality of evidence obtained from this meta-analysis. The meta-analysis revealed a small ROM standard mean difference in favor of an acute bout of stretching compared to non-active control condition (ES = −0.555; Z = −8.939; CI (95%) −0.677 to −0.434; p < 0.001; I2 = 33.32). While there were ROM increases with sit and reach (P = 0.038), hamstrings (P < 0.001), and triceps surae (P = 0.002) tests, there was no change with the hip adductor test (P = 0.403). Further subgroup analyses revealed no significant difference in stretch intensity (P = 0.76), trained state (P = 0.99), stretching techniques (P = 0.72), and sex (P = 0.89). Finally, meta-regression showed no relationship between the ROM standard mean differences to age (R2 = −0.03; P = 0.56) and stretch duration (R2 = 0.00; P = 0.39), respectively. GRADE analysis indicated that we can be moderately confident in the effect estimates. A single bout of stretching can be considered effective for providing acute small magnitude ROM improvements for most ROM tests, which are not significantly affected by stretch intensity, participants’ trained state, stretching techniques, and sex.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,036 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».