MétaCan
Menu
Retour à la cohorte
Enregistrement W4402508153 · doi:10.1123/ijspp.2024-0125

Observation of the Achilles Tendon and Gastrocnemius Muscle’s Passive Stiffness During an Incremental Running Protocol

2024· article· en· W4402508153 sur OpenAlexaff
Anh Phong Nguyen, Laurent Bosquet, Laureen Cugnet-Evans, Christine Detrembleur, Philippe Mahaudens

Notice bibliographique

RevueInternational Journal of Sports Physiology and Performance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensRunning Injury Clinic
Organismes subventionnairesnon disponible
Mots-clésAchilles tendonGastrocnemius muscleStiffnessTreadmillMedicineTendonPhysical medicine and rehabilitationMuscle stiffnessIntensity (physics)Physical therapySkeletal muscleAnatomyStructural engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Passive stiffness, a biomechanical parameter, has a potential influence on running economy, thus playing a pivotal role in performance. This study aimed to quantify passive stiffness of the Achilles tendon and gastrocnemius muscle using myotonometry throughout an incremental running protocol. METHODS: Twenty-one male participants underwent a multistage incremental test (Bordeaux test) on a treadmill until exhaustion. Passive stiffness of the gastrocnemius muscle and Achilles tendon was measured using a MyotonPRO device. Measurements were taken before, during, and after the incremental test. RESULTS: Our findings indicated that passive stiffness of the medial gastrocnemius decreased at rest between prerun and postrun assessments (-20.12 N·m-1, P = .012). Furthermore, during the test, stiffness increased at low intensity (at 50% of maximal aerobic speed: +104.8 N·m-1, P = .042), returning to baseline values as intensity increased. CONCLUSIONS: Throughout an incremental running protocol, both Achilles tendon and gastrocnemius muscle stiffness initially increased and then decreased with escalating percentages of maximal aerobic speed. A deeper understanding of stiffness in running can inform more effective recommendations for runners' strengthening and training.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,288
Écart entre enseignants0,273 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Physiology and PerformanceMême sujetSports Performance and TrainingTravaux en français237 207