Drop Vertical Jump Biomechanics Differ In Athletes Post-concussion: Implications For Concussion Detection And Rehabilitation
Notice bibliographique
Résumé
Athletes recovering from concussions face cognitive impairments predisposing them to higher risk for lower extremity injuries including anterior cruciate ligament (ACL) tears. Current concussion detection methods are limited by observer interpretation and intentional underperforming on baseline testing (sandbagging). Kinematics can aid in objective concussion detection; however, studies investigating changes in jump landing kinematics from pre- to post-concussion are limited. PURPOSE: To investigate changes in lower extremity and trunk kinematics during a drop vertical jump (DVJ) in collegiate varsity athletes from pre- to post-concussion. METHODS: 20 collegiate varsity athletes performed 3 DVJs at the preseason assessments directly before and after sustaining a concussion, captured by a Kinect V2 device. Specific DVJ parameters (Table 1), and the standard deviation of each parameter across a participant’s 3 jump (inter-jump variability, IJV), were compared between pre- and post-concussion using a paired one-sided t-test. Statistical significance was set at P < .05. RESULTS: Peak sagittal angle of left and right knees decreased significantly post-concussion, indicating less knee flexion (105.66° vs 91.74°, P = .011; 105.01° vs 91.30°, P = .013). Maximum spine sway in the X axis decreased significantly from 4.37° to 3.41° (P = .048). IJV of peak sagittal angle increased significantly in both knees (5.81° vs 15.71°, P < .01; 4.63° vs 15.29°, P < .01). IJV of spine sway variability in the Z axis and maximum ankle distance increased significantly (0.42° vs 0.72°, P = .024; 0.017 m vs 0.029 m, P = .022). CONCLUSIONS: Multiple DVJ parameters change significantly in collegiate varsity athletes post-concussion. Notably, decreased peak sagittal angle has been associated with increased risk for ACL tear. The DVJ is a potentially valuable tool for objective concussion detection and guiding post-concussion rehabilitation to reduce the risk of ACL tears. Supported by: This work was supported by MEDTEQ+, Emovi Inc., and Semperform inc.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».