Effects of foot rotation on ankle control and injury risk during badminton lunge landings
Notice bibliographique
Résumé
BACKGROUND: The badminton lunge is a decisive yet injury-prone action that places substantial loads on the ankle, and toe-in, neutral, or toe-out orientations may alter joint mechanics and influence injury risk; however, evidence in sport-specific lunge contexts is scarce. This study quantified the biomechanical effects of different toe-orientations in badminton lunge landings using integrated motion capture, force measurement, electromyography, and finite element modeling. By uniquely combining EMG and FEA, the study provides evidence-based guidance for performance optimization and injury prevention. METHODS: Thirty male amateur badminton players performed right-lunge landings under three toe-orientations. Kinematic and kinetic data were collected using motion capture and force platforms. Muscle activation was assessed through surface electromyography and musculoskeletal modeling. A three-dimensional finite element model of the foot simulated Von Mises stress distribution. Statistical analyses included repeated measures ANOVA and statistical parametric mapping. RESULTS: Toe-out landings significantly reduced ankle eversion angles, eversion moments, anterior-posterior shear forces, and joint impulse (p < 0.001, p = 0.025, p = 0.047, p = 0.038). They also promoted smoother power output and greater anteroposterior center-of-mass displacement. Stress shifted from the rearfoot to the forefoot, accompanied by increased activation of the peroneal muscles and triceps surae. In contrast, toe-in landings produced higher eversion loading, stress concentration in the rearfoot, greater tibialis anterior activation, and restricted center-of-mass displacement. CONCLUSION: Toe-out positioning lowered ankle load and rearfoot stress, improved stabilizing muscle activation and shock absorption, and facilitated center-of-mass control. Toe-in positioning elevated stress concentration and injury risk. Moderate toe-out angles were recommended to optimize footwork efficiency and protect joint health.
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 | 0,000 |
| 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 ».