Identifying the Primary Kinetic Factors Influencing the Anterior–Posterior Center of Mass Displacement in Barbell Squats: A Factor Regression Analysis
Notice bibliographique
Résumé
BACKGROUND: Barbell squats are commonly used in strength training, but the anterior-posterior displacement of the Center of Mass (COM) may impair joint stability and increase injury risk. This study investigates the key factors influencing COM displacement during different squat modes.; Methods: This study recruited 15 male strength training enthusiasts, who performed 60% of their one-repetition maximum (1RM) in the Front Barbell Squat (FBS), High Bar Back Squat (HBBS), and Low Bar Back Squat (LBBS). Joint moments at both the hip, knee, and ankle were collected using a motion capture system and force plates, and a factor regression analysis was conducted using SPSS.; Results: In the FBS, primary factors influencing COM displacement included right knee adduction-abduction (38.59%), knee flexion-extension (31.08%), and hip internal-external rotation (29.83%). In the HBBS, they were right ankle internal-external rotation (19.13%), hip flexion-extension (-19.07%), and left knee flexion-extension (19.05%). In the LBBS, the key factors were left knee adduction-abduction (27.82%), right ankle internal-external rotation (27.59%), and left ankle internal-external rotation (26.12%).; Conclusion: The study identifies key factors affecting COM displacement across squat modes, with knee flexion-extension being dominant in the FBS and hip moments more significant in the HBBS and LBBS. These findings have implications for optimizing squat training and injury prevention strategies.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».