Effects of pilates on lower-limb strength and gait patterns in women with knee hypermobility: A preliminary study
Notice bibliographique
Résumé
Background Joint hypermobility affects 10–25% of adults and is characterized by excessive joint mobility caused by connective tissue laxity. Although exercise interventions are beneficial, the effectiveness of a Pilates program focusing on controlled muscle contractions and body awareness remains unexplored. Objective This study investigates the impact of an 8-week online Pilates program, conducted via Zoom, on lower-limb strength and gait in women with knee hypermobility compared to healthy controls. Methods Nine adults with knee hypermobility (age: 25.0 ± 7.1) and five healthy controls (age: 20.2 ± 1.3), all women, participated in bi-weekly Pilates classes over 8 weeks via Zoom. Assessments were conducted pre-, mid-, and post-intervention using an isokinetic dynamometer to measure hamstrings and quadriceps strength, as well as treadmill gait analysis to measure knee angles at heel-strike and push-off. A Shapiro-Wilk test established normality and a repeated measures analysis of variance was conducted to test for differences in outcome measures ( p < .05). Results Significant improvements were observed in the hypermobility group in quadriceps strength (F(2,16) = 7.304, p = .018), hamstrings strength (F(2,16) = 19.515, p < .001), hamstrings-to-quadriceps ratio (from 51.0 ± 10.15% to 59.1 ± 9.6%, p = .037) and knee angles at heel-strike (from 183.2 ± 7.2° to 178.5 ± 5.2°, p = .001) and push-off (179.1± 2.2° to 175.7 ± 2.9°, p < .001). In the control group, an increase in quadriceps strength was observed (F(2,8) = 29.861, p < .001). Conclusions Our findings suggest that an 8-week Pilates intervention improves lower-limb strength and decreases hyperextended knee angles during walking.
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 ».