The Effects of Brace Stiffness on Knee Joints During Pull-Up Jump Shot Movements in Amateur Female Basketball Players
Notice bibliographique
Résumé
(1) Background: The pull-up jump shot is a commonly used scoring technique in basketball. This study aimed to investigate the biomechanical effects of knee brace stiffness on knee joint mechanics during the pull-up jump shot in female basketball players and to evaluate the potential risk of non-contact anterior cruciate ligament (ACL) injuries associated with different stiffness levels. (2) Methods: Sixty-six female basketball players performed pull-up jump shot drills while kinematic and kinetic data were collected using a Vicon motion capture system and a Kistler ground reaction force (GRF) plate. (3) Results: A one-way analysis of variance (ANOVA) revealed that both low-stiffness and high-stiffness knee braces significantly reduced knee flexion angles (p = 0.001) but increased indirect contact forces in the sagittal plane (p < 0.01). Notable differences were observed between low-stiffness and high-stiffness braces, as well as between braced and unbraced conditions. However, no significant differences were detected between the effects of low-stiffness and high-stiffness braces. (4) Conclusions: Athletes should select knee braces based on the intensity of competition and training, and those with ACL concerns should opt for high-stiffness knee braces for enhanced joint stability.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».