MétaCan
Menu
Retour à la cohorte
Enregistrement W4415958663 · doi:10.1080/14763141.2025.2578348

Reducing lumbar spine loading in Russian bar porters: a case study

2025· article· en· W4415958663 sur OpenAlexafffund
Marion Cossin, Flavie Gilet, Anne‐Laure Ménard, Yves Mathieu, Éric Wagnac

Notice bibliographique

RevueSports Biomechanics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMusicians’ Health and Performance
Établissements canadiensCegep de Saint JeromeCegep regional de LanaudiereCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalÉcole de Technologie SupérieureNational Circus School
Organismes subventionnairesMitacs
Mots-clésBar (unit)LumbarLumbar spineJumpBiomechanicsBending

Résumé

récupéré en direct d'OpenAlex

The Russian bar is an acrobatic circus discipline characterised by dynamic loading on a single shoulder, posing a risk for back injuries. The aim of this case study was to quantify and compare lumbar spine loads in porters using a novel symmetrical design and the traditional asymmetrical bar. Two male porters and one female flyer performed a series of candle jumps, saltos, and consecutive jumps using both bar designs. Motion capture, electromyography, and musculoskeletal modelling in OpenSim were used to quantify L4-L5 intervertebral forces and moments. Statistical comparisons were conducted using a multifactorial analysis of variance (ANOVA). The results showed that the symmetrical bar significantly reduced lumbar spine bending moments (2.1 times lower) and shear forces (2.2 times lower) compared to the traditional bar, with no significant differences in shoulder forces. Shoulder forces did not differ significantly between bar types, suggesting that the flyer's performance, particularly jump height, was not substantially affected by the change in bar design. This novel symmetric bar design may enhance the safety and carrier of Russian bar porters. Future research should investigate the long-term effects of this design and its impact on performance adaptation.

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: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,320
Écart entre enseignants0,302 · 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'étudeÉtude de cas
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 revueSports BiomechanicsMême sujetMusicians’ Health and PerformanceTravaux en français237 207