Towards functionally individualised designed footwear recommendation for overuse injury prevention: a scoping review
Notice bibliographique
Résumé
Abstract Injury prevention is essential in running due to the risk of overuse injury development. Tailoring running shoes to individual needs may be a promising strategy to reduce this risk. Novel manufacturing processes allow the production of individualised running shoes that incorporate features that meet individual biomechanical and experiential needs. However, specific ways to individualise footwear to reduce injury risk are poorly understood. Therefore, this scoping review provides an overview of (1) footwear design features that have the potential for individualisation; and (2) the literature on the differential responses to footwear design features between selected groups of individuals. These purposes focus exclusively on reducing the risk of overuse injuries. We included studies in the English language on adults that analysed: (1) potential interaction effects between footwear design features and subgroups of runners or covariates (e.g., age, sex) for running-related biomechanical risk factors or injury incidences; (2) footwear comfort perception for a systematically modified footwear design feature. Most of the included articles (n = 107) analysed male runners. Female runners may be more susceptible to footwear-induced changes and overuse injury development; future research should target more heterogonous sampling. Several footwear design features (e.g., midsole characteristics, upper, outsole profile) show potential for individualisation. However, the literature addressing individualised footwear solutions and the potential to reduce biomechanical risk factors is limited. Future studies should leverage more extensive data collections considering relevant covariates and subgroups while systematically modifying isolated footwear design features to inform footwear individualisation.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».