BIOMECHANICAL ANALYSIS OF LANDING TECHNIQUES AND ASSOCIATED INJURY RISK IN LONG JUMP
Notice bibliographique
Résumé
Long jump is an athletic sport which is high impact by its nature and is characterized by approach run that accelerates with great intensity followed by dynamic take off.Such conditions often expose the lower extremities to increased biomechanical stress during landing.The force exerted on the body during landing can greatly predispose individuals to various types of musculoskeletal injuries, particularly in the region of the femur.This paper highlights an effort to study different landing techniques heel first, flat foot and forefoot in terms of their effect on stress distribution and injury possibility employing a technique that combines inverse dynamics with finite element analysis.Simulations to replicate the terminal phase of the jump were carried out based on a trained male long jumper's anthropometric and performance data.The inverse dynamics model captured joint reaction forces and moments, which were subsequently applied as boundary conditions in the finite element analysis of a three dimensional femur model derived from imaging data.Results indicated that the heel-first landing technique produced peak ground reaction forces of highest magnitude with stress concentrations localized at the medial region and lateral condyle of the femur.The maximum total displacement and equivalent stress recorded were 0.00077 mm and 191.79 MPa respectively.On the contrary, forefoot landings showed better load attenuation characteristics next to reducing stress magnitudes and distributing forces more equally across the joint.These results underscore a major contribution of landing mechanics to injury prevention and therefore may indicate forefoot landings a biomechanical way of femoral stress mitigation.In addition, the study proves that inverse dynamics integration with FEA can depict the internal loading mechanisms during athletic moves effectively, thus providing a handy platform for injury risk evaluation and technique enhancement for long jump sportsmen.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».