MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415705613 · doi:10.51224/srxiv.637

Upper body muscle activity during C1 canoe slalom strokes

2025· article· W4415705613 sur OpenAlexafffund
Nicole Conquergood, Hannah Wood, James M. Wakeling

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUpper bodyUpper limbForearmLower bodyElectromyography

Résumé

récupéré en direct d'OpenAlex

Canoe slalom is a white-water sport involving a single bladed paddle that must be used on both sides of the boat, which creates two stroke types.On-side strokes have the bottom hand on the same side as the paddle blade, with the top hand and arm crossing the midline of the body.In contrast, off-side strokes have the top hand on the same side as the paddle blade, with the bottom hand and arm crossing over the midline.The purpose of this study was to compare the use of upper body and arm muscles during on-side and off-side strokes in slalom C1 canoeing.Surface electromyography (EMG) was recorded bilaterally from the biceps (BI), triceps (TRI), latissimus dorsi (LAT), and erector spinae (ES) muscles during an ergometer test for two C1 athletes and bilaterally from the BI and TRI of one athlete on a flatwater figure-ofeight course.The normalized Root-Mean-Square (RMS) EMG was calculated and used for statistical analysis.Stroke type had a significant effect on the EMG for the BI, TRI, and LAT muscles, but there was no such effect on the ES.Off-side strokes had a notable increase in activation for the BI for the bottom-hand muscles, and the TRI for the top-hand muscles.The current results support the understanding that activation of muscles in the upper-arm, and presumably arm strength, is highly important for off-side strokes, and this may contribute to differences in the selection of paddle strokes by different athletes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSports Performance and Training→Travaux en français237 207→