MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415948910 · doi:10.20944/preprints202511.0341.v1

Low Thigh Muscle Coactivation and High Ball Velocity in an Elite Windmill Softball Pitcher

2025· preprint· W4415948910 sur OpenAlexfundaboutno aff
Kevin E. Power, David B. Copithorne, Michael Williams-Bell, Ian Barker, Gregory E. P. Pearcey, Duane C. Button

Notice bibliographique

RevuePreprints.org · 2025
Typepreprint
Langue
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Ontario Institute of Technology
Mots-clésThrowingBicepsCoactivationElectromyographyThighWindmillBiomechanics

Résumé

récupéré en direct d'OpenAlex

Aim: To examine whether strength and thigh muscle activation patterns were associated with throwing velocity in a collegiate fast-pitch softball pitcher with national-level experience. Methods: Five female pitchers from a college team in Ontario, Canada, participated for comparison. The team’s top pitcher, recently selected for national team training, was classified as elite; the remaining four were categorized as high-performance. Upper- and lower-body strength was estimated using one-repetition maximum tests. Surface electromyography (EMG) of the rectus femoris (RF) and biceps femoris (BF) was recorded during windmill pitches, while ball velocity was measured with radar. The maximum peak-to-peak RMS EMG signal, as well as timing of activation and inactivation, were analyzed across pitchers. Results: The elite pitcher demonstrated the highest average throwing velocity (59 mph vs. 54 mph) and greater overall strength. She also displayed a distinct three-phase activation pattern of thigh musculature with minimal coactivation, while the high-performance pitchers showed less distinct patterns and greater overlap of RF and BF activity. Conclusion: This case highlights that both superior strength and a distinct thigh activation profile may contribute to higher throwing velocity in elite softball pitchers. Further research integrating EMG with biomechanical video analysis may clarify how neuromuscular coordination supports performance.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

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 recherche0,0000,000
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 Opus0,089
Tête enseignante GPT0,364
Écart entre enseignants0,275 · 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 revuePreprints.org→Même sujetShoulder Injury and Treatment→Travaux en français237 207→