MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399425353 · doi:10.1371/journal.pone.0304136

Counterweight mass influences single-leg cycling biomechanics

2024· article· en· W4399425353 sur OpenAlexafffund
Michael J. Asmussen, Erica Casto E., Martin J. MacInnis, Benno M. Nigg

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensVancouver Island UniversityUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInternational Society of Biomechanics
Mots-clésCounterweightCyclingBiomechanicsPhysical medicine and rehabilitationJoint (building)KinematicsFunctional electrical stimulationRange of motionPhysical therapyMedicinePhysicsAnatomyStructural engineeringStimulationEngineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Single-leg cycling is a commonly used intervention in exercise physiology that has applications in exercise training and rehabilitation. The addition of a counterweight to the contralateral pedal helps single-leg cycling mimic cycling patterns of double-leg cycling. To date, no research has tested (a) the influence of a wide range of counterweight masses on a person's cycling biomechanics and (b) the optimal counterweight mass to emulate double-leg cycling. OBJECTIVES: The purpose of this study was to determine the effects of varying counterweights on the kinematics (joint angles) and kinetics (joint moments, work) of cycling using a 3D analysis. METHODS: Twelve participants cycled at 50W or 100W with different counterweight masses (0 to 30 lbs, 2.5 lbs increments), while we analyzed the pedal force data, joint angles, joint moments, and joint power of the lower limb using 3D motion capture and 3D instrumented pedals to create participant-specific musculoskeletal models. RESULTS: The results showed that no single-leg cycling condition truly emulated double-leg cycling with respect to all measured variables, namely pedal forces (p ≤ 0.05), joint angles (p ≤ 0.05), joint moments(p ≤ 0.05), and joint powers (p ≤ 0.05), but higher counterweights resulted in single-leg cycling that was statistically similar (p > 0.05), but descriptively, asymptotically approached the biomechanics of double-leg cycling. CONCLUSION: We suggest that a 20-lb counterweight is a conservative estimate of the counterweight required for using single-leg cycling in exercise physiology studies, but further modifications are needed to the cycle ergometer for the biomechanics of single-leg cycling to match those of double-leg cycling.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,082
Tête enseignante GPT0,268
Écart entre enseignants0,186 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSports Performance and Training→Travaux en français237 207→