The influence of motion capture method, sex, and body mass index on lower extremity kinematics and intersession reliability during a drop-vertical jump
Notice bibliographique
Résumé
The purpose was to examine the effects of sex and body size on validity and intersession reliability of lower extremity kinematics from marker-less (ML) and marker-based (MB) during a drop vertical jump (DVJ). Forty participants were grouped by sex (male/female) and body size (high/low-BMI). Participants completed two sessions and lower extremity kinematics were recorded with 3D motion capture. Coefficient of multiple correlation (CMC) evaluated intersession reliability. A 2 (sex) by 2 (body size) by 2 (method) repeated measured ANOVA compared kinematic waveforms via statistical parametric mapping. In the sagittal plane, both methods showed very good to excellent reliability (CMC: 0.82-0.99). In the frontal and transverse planes, ML had moderate to very good reliability (CMC: 0.65-0.88), while MB had lower reliability that varied by group (CMC: 0.51-0.88). Discrepancies in sex-based comparisons occurred in the sagittal plane of the hip between methods, and body size comparisons in the frontal and transverse plane of the knee and ankle. Overall, ML had superior intersession reliability. However, motion capture method influences DVJ kinematics and may be due to differences in segment pose estimation between methods, and unique effects of body size and sex. Future studies should consider participant characteristics when implementing ML and interpreting findings.
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 | 0,005 | 0,027 |
| 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 | 0,001 | 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) | 0,001 | 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 ».