MétaCan
Menu
Retour à la cohorte
Enregistrement W4402661714 · doi:10.1249/01.mss.0001057724.45919.f9

Vertical Takeoff Acceleration As A Predictor Of Single Leg Jump Performance

2024· article· en· W4402661714 sur OpenAlexaff
Meihui Li, Lauren Fridman, Nicholas Trân, Sean K.T. Gaiesky, Ephrem Belaineh Mekonnen, Christopher Napier

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésTakeoffAccelerationJumpVertical jumpEnvironmental scienceMechanicsAeronauticsAerospace engineeringEngineeringPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Single leg jump tests are important assessment tools for the evaluation of lower extremity joint function after sports injury. The maximum height or distance achieved can indicate readiness to return to sport after injury or predict performance in some sports. Jump height and distance are often measured in lab settings using force plates. Inertial measurement units (IMUs) are a more practical tool that can be used in clinical and field settings to measure acceleration. To maximize jump height and distance an individual must accelerate their mass vertically. However, it is not known if vertical acceleration at takeoff can predict single leg jump height and distance in a healthy recreational population. PURPOSE: To investigate whether vertical takeoff acceleration (VTA) can predict single leg jump distance and height in a healthy recreational population. METHODS: Healthy participants free of lower extremity injuries completed single-leg jumps for distance (SLJD) and for height (SLJH) in neutral cushioned running shoes with a pair of insole-embedded IMUs. Participants were required to perform each jump three times, aiming to maximize their jump height and distance. VTA was measured with the insole-embedded IMUs at 416 Hz. Primary outcomes were the average jump height and distance over the three jumps. A simple linear regression analysis was conducted to investigate the predictive relationship between VTA and single-leg jump for distance and height. RESULTS: One hundred and eighty-seven participants (89 females, 98 males; 41.8 ± 12.07 years, 69.87 ± 11 kg) completed the jump assessment. The linear regression analysis revealed a strong positive linear relationship between the average vertical takeoff acceleration and SLJH performance (r2 = 0.74, p < 0.01), but no significant association between the average vertical takeoff acceleration and SLJD performance (r2 < 0.01, p = 0.15). There was a positive associations between normalized VTA and SLJH ( r2 ≥ 0.5, p < 0.01), but not for SLJD. CONCLUSION: The vertical takeoff acceleration can be a reliable metric for predicting single leg jump height, but not single leg jump distance in clinical settings. As the SLJD test is a combination of vertical and horizontal trajectories, performance on this test may be better predicted by horizontal acceleration.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetIterative Learning Control SystemsTravaux en français237 207