Modifying Trunk Inclination and Low Back Curvature Inconsistently Affects Isometric Multijoint Lifting Strength Across Individuals
Notice bibliographique
Résumé
Movement assessment and coaching within health and human performance settings has targeted trunk inclination and low back curvature to reduce low back injury risk. However, it remains unclear how modifying these postural characteristics may also impact the ability to exert force in multijoint tasks to influence physical performance. This study investigated the independent and interacting effects of trunk inclination and low back curvature on maximal isometric lifting strength. Forty participants (50% female) exerted maximal isometric lifting force in 4 experimentally controlled postural conditions consisting of 2 trunk inclinations (vertical and horizontal), each performed with 2 low back curvatures (neutral and flexed). A linear mixed-effects model revealed a significant group level interaction between trunk inclination and low back curvature (β = 0.13, P = .002), but heterogeneity was high and indicated that some individual responses opposed the estimated group level response (random effect SD = 0.12). Individual responses substantially varied in magnitude (up to 620 N) and direction (increase/decrease). Modifying trunk inclination and low back curvature each have a similar potential to influence strength in multijoint tasks, but the response varies across individuals. Strength in multijoint tasks cannot be inferred solely from posture, and a single postural profile cannot be generalized as the strongest for all individuals.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».