The effect of sex, skill level and a defender on cutting kinematics in soccer players
Notice bibliographique
Résumé
Cutting patterns may be influenced by task complexity and player attributes, ultimately affecting injury risks. This study examines the impact of skill level, sex, and defender conditions on joint kinematics during unanticipated cutting in soccer players. Kinematic data were captured using a three-dimensional motion capture system for 14 competitive and 14 recreational players performing unanticipated sidesteps (45 ± 10 degrees) under three conditions: no obstacle (NO), static-defender obstacle (SO) and dynamic-defender obstacle (DO). Principal component (PC) analysis and hierarchical linear models examined joint kinematics against sex, skill and defender conditions. For the first component of PC, skill effects revealed greater ankle dorsiflexion angles throughout cutting in competitive players (p = 0.01) than recreational players. DO trials showed lower hip flexion (p = 0.001) and ankle dorsiflexion angles (p = 0.01) than NO. SO trials showed greater hip adduction (p < 0.001) and knee abduction angles (p = 0.04), but lower ankle dorsiflexion angles (p < 0.001) than NO. For PC2, SO trials showed greater hip flexion excursions (p = 0.005) than NO. No sex effects were found. Clearance (participant’s distance to the defender) was examined using a three-way analysis of covariance. Greater distances were found in DO by 0.59 m than SO. Differences in cutting patterns highlight potential adaptations to varying defender pressures, providing insights for coaching and prevention programmes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».