Can training to dissociate trunk and pelvic motion influence thorax-pelvis coordination and lumbar spine dynamic stability?
Notice bibliographique
Résumé
BACKGROUND: The large number of articulating joints within the spinal column provides an abundance of options to control its movement. However, the ability of individuals to consciously manipulate these movement options is poorly understood. OBJECTIVES: To determine if short-term training can improve the ability to consciously dissociate motion between the pelvis and thorax during repetitive pelvic tilting movements. DESIGN: Cross-over design with young healthy individuals. METHOD: Seventeen participants performed trials consisting of 35 continuous lift/lowers followed by 35 continuous anterior/posterior pelvic tilts while spine kinematics were recorded. Participants then underwent a 20-min training protocol designed to improve the control of pelvic motion and in particular the dissociation of pelvic and trunk motion. Post-training, the continuous pelvic tilt and lift/lower trials were repeated. Thorax-pelvis movement coordination was analyzed via vector coding and lumbar spine local dynamic stability was analyzed via Lyapunov exponents. Participants were grouped as being either high or low skill movers based on their ability to perform the pre-training pelvic tilt movements. RESULTS: The low skill movement group demonstrated statistically significant increases in the time spent using in-phase pelvic dominant (p = 0.028) and anti-phase pelvic dominant (p = 0.043) coordination patterns during the pelvic tilt movements after the completion of the training protocol. The high skill movement group showed no differences in their movement patterns post-training. CONCLUSIONS: Short-term training, targeted to improve the ability to dissociate pelvic from thorax motion, had a beneficial effect on the group of individuals who initially lacked skill performing the pelvic tilting task.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».