Effects of Loading Positions on Lower Limb Biomechanics During Lunge Squat in Men with Different Training Experience
Notice bibliographique
Résumé
Background: The lunge exercise is commonly adopted in public fitness programs. However, inadequate training experience and knowledge may result in improper actions, resulting in lowering training efficacy and possibly causing exercise-related diseases. Methods: Twenty-four male fitness trainees (12 novices and 12 experienced seniors) were recruited. Kinematics, kinetics, and muscle activation were measured during forward and backward lunges with different loading positions. Two-way repeated measures ANOVA and one-dimensional statistical parametric mapping (SPM1D) were employed to explore various between training experience across different loading positions and lunge directions. Results: Hip, knee, and ankle ROM and angle peaks were significantly greater in novices than in seniors (P < 0.001). During forward lunges, dumbbells reduced hip moments and stiffness in novices (P < 0.001), while barbells increased ankle moments in seniors (P = 0.022). In the backward lunges, novices showed increased negative power and significant joint instability with dumbbells. Conclusions: Training experience is the significant influence during male lunge exercises. Novices show more stability when using dumbbells instead of barbells for forward lunges. Novices are less stable during backward lunges than more experienced seniors. Overall, novices get a greater benefit of training with dumbbells, while seniors are less likely to hurt their knees and ankles when they use barbells.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».