Knee coordination during landing in ballet-trained female dancers and non-dancers
Notice bibliographique
Résumé
Dance is a prevalent activity in females who are at a greater risk for traumatic knee injuries compared with males. However, dancers have a lower injury incidence than other athletes, and landing techniques obtained from training may limit accessory frontal plane movement. Frontal and sagittal plane kinematics, kinetics, and knee coordination patterns were compared between 18 ballet-trained female dancers and 18 non-dancers throughout the landing phase of a drop vertical jump. Dancers landed with greater peak knee flexion (-113.23 ± 15.1° vs. -99.3 ± 16.2°; p = 0.013, d = 0.890) and lower peak knee abduction (-1.15 ± 4.28° vs. -7.26 ± 6.26°; p = 0.002, d = 1.145) compared with controls. Dancers had smaller external knee flexion moments (0.14 ± 0.02 vs. 0.17 ± 0.05 BWxHt, p = 0.043, d = 0.702), smaller peak external knee abduction moments (0.024 ± 0.011 vs. 0.0036 ± 0.014 BWxHt, p = 0.046, d = 0.680), and smaller peak vertical ground reaction force (1.57 ± 0.22 vs. 1.92 ± 0.43 BW, p = 0.005, d = 1.008) compared with controls. Dancers also utilized a coordination pattern that included less in-phase motion (p < 0.001) between the sagittal and frontal knee coupling and more exclusive shank motion (p = 0.027) between the thigh and shank in the frontal plane compared with controls. There were no differences between the groups in exclusive sagittal plane (p = 0.386), exclusive frontal plane (p = 0.708), or anti-phase (p = 0.443) motion between the sagittal and frontal knee coupling compared with controls. Dancers undergo extensive landing training, which may contribute to less frontal plane knee motion. As such, dancers' ability to flex the knee without additional and simultaneous knee abduction during landing may help to mitigate their acute knee injury risk.
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 | 0,000 | 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 ».