Lumbar multifidus characteristics and body composition in university level athletes
Notice bibliographique
Résumé
Introduction Body composition is well known to affect sport performance and previous studies suggested that structural and functional lumbar multifidus (LM) impairments in athletes were associated with low back pain and lower leg injuries. However few studies have examined the relationship between LM characteristics and body composition in athletic populations. Methods This cross-sectional study included a total of 134 university varsity athletes (hockey, soccer, rugby, and football players). Ultrasound imaging was used to examined LM characteristics at the L5 bilaterally [e.g., size, thickness at rest, thickness during contraction, echo-intensity (EI) and % thickness change from rest to contraction] and body composition parameters (dual-energy x-ray absorptiometry). Pearson correlations were used to assess the relationship between LM characteristics and body composition parameters. One-way ANOVA assessed differences in LM characteristics and body composition between sports. All analyses were performed separately by sex. Results LM size and thickness were positively correlated with weight, height, lean body mass and total bone mass (male: r = 0.23–0.55, p < 0.01–0.05; female: r = 0.30–0.39, p < 0.01–0.05). LM EI was strongly correlated with % body fat (male: r = 0.62, female: r = 0.71, p < 0.01). LM thickness at rest (r = 0.42, p < 0.01) and contracted (r = 0.27, p < 0.05) were positively correlated and % thickness change was negatively correlated with % body fat in male athletes (r = −0.43, p < 0.01). Discussion The significant differences in body composition and LM characteristics between sports may be attributed to sport specific demands. Understanding connections between body composition and LM may aid in preseason screening for athletes at risk of low back pain or lower leg injuries during the season.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».