MétaCan
Menu
Retour à la cohorte
Enregistrement W4402662525 · doi:10.1249/01.mss.0001060972.63221.e0

Lower Limb Strength Asymmetries Predicts Perceptions Of Limb Function In University Athletes

2024· article· en· W4402662525 sur OpenAlexaff
Zachary J. McClean, Nathan Boon-van Mossel, Mark McKenzie, Per Aagaard, Kati Pasanen, Victor Lun, Walter Herzog, Matthew J. Jordan

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHemispheric Asymmetry in Neuroscience
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAthletesPhysical medicine and rehabilitationLower limbPsychologyPhysical therapyFunction (biology)MedicineBiologySurgery

Résumé

récupéré en direct d'OpenAlex

Previous musculoskeletal injury is a primary risk factor for future injury in part due to persistent neuromuscular deficits and reduced psychological readiness. Central to the aim of reducing sport injuries and increasing athletic performance, a bio-psycho-social approach to athlete monitoring has been adopted that incorporates both objective measures of neuromuscular function and subjective assessments of psychological readiness such as the Sport Fitness Index (SFI) which quantifies athletes’ perceptions of lower-limb function (perceived-function). However, the relationship between perceived-function and objective functional measures such as the between-limb asymmetry index (AI) remains unknown. PURPOSE: To evaluate the relationship between perceived-function and limb AI across a lower body muscle strength testing battery. METHODS: University athletes (n = 196, females: n = 96) from six high risk sports for lower body injury completed the SFI, maximal countermovement jump (CMJ) testing with extra loads corresponding to 0%, 30% and 60% body mass (n = 5), unilateral CMJ (n = 3) testing, and unilateral repeated hop testing (n = 20) on a dual force plate system. Athletes also performed isokinetic multi-joint eccentric and concentric strength testing in a robotic leg press dynamometer. Between-limb AIs were calculated for each testing condition. Perceived-function in the SFI was rated on a 0-100 scale, to obtain GOOD (SFI >86), FAIR (61 < SFI < 85), and POOR (SFI < 60) perceived-function groups. A cumulative link mixed effects model was used to examine the effects of between-limb AI on perceived-function groups. RESULTS: For every absolute unit increase in isokinetic concentric strength AI and CMJ with 60% body mass concentric impulse AI, the odds of belonging to a lower perceived-function group increased by 1.036 (95% CI: 1.001-1.070) and 1.161 (CI: 1.010-1.336) times; respectively. CONCLUSIONS: Increased concentric muscle strength asymmetries predicted decreased perceived-function in university athletes. By combining introspective measures of limb function such as the SFI along with mechanical muscle function testing, it is possible to achieve an integrated bio-psycho-social approach to preseason testing that may inform targeted intervention protocols to mitigate injury risk on a group level.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,392
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,011
Études des sciences et des technologies0,0000,004
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,257
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

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 sujetHemispheric Asymmetry in NeuroscienceTravaux en français237 207