Biomechanical insights into Achilles tendinopathy risk and protection in runners: a large prospective study 4HAIE
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to evaluate whether lower limb biomechanics in runners and non-runners are risk factors for the onset of Achilles tendinopathy, and to assess the contributions of age, sex, running distance and injury history to the onset of Achilles tendinopathy. METHODS: This prospective cohort study used quota sampling stratified by age, sex, region and physical activity status (runner, non-runner). Baseline assessments included questionnaires on running history and Achilles tendinopathy symptoms, running biomechanics, MRI and dual-energy X-ray absorptiometry. Participants were followed for 1 year using a Fitbit device and a custom mobile application for weekly injury reporting and orthopaedic diagnoses. Binary logistic regression identified risk factors (OR, 95% CI). Primary biomechanical variables included ankle, knee and hip kinematics and kinetics during the stance phase of running. The main outcome was a medically confirmed diagnosis of Achilles tendinopathy within 1 year. RESULTS: Our study included 911 adults (mean age 37.7±12.5 years; 429 (47%) females; 528 (58%) runners) followed for 1 year. A higher peak ankle inversion moment (OR 0.33, 95% CI 0.17 to 0.61) during the stance phase decreased the odds of developing Achilles tendinopathy, while a lower peak ankle external rotation angle (OR 2.20, 95% CI 1.23 to 4.03) and greater running distance (OR 1.67, 95% CI 1.23 to 2.22) increased the odds of onset. The findings were consistent across the full cohort and runners. CONCLUSION: We identified a lower peak ankle inversion moment, a lower peak ankle external rotation angle and a greater running volume as significant predictors of the onset of Achilles tendinopathy. Targeting biomechanical factors and running volume may help prevent Achilles tendinopathy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».