CN112133437A - 一种预测髌股关节疼痛综合征发病风险的方法 - Google Patents
一种预测髌股关节疼痛综合征发病风险的方法 Download PDFInfo
- Publication number
- CN112133437A CN112133437A CN202011099474.8A CN202011099474A CN112133437A CN 112133437 A CN112133437 A CN 112133437A CN 202011099474 A CN202011099474 A CN 202011099474A CN 112133437 A CN112133437 A CN 112133437A
- Authority
- CN
- China
- Prior art keywords
- pain syndrome
- joint pain
- hip
- patellofemoral joint
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000006820 Arthralgia Diseases 0.000 title claims abstract description 62
- 210000004285 patellofemoral joint Anatomy 0.000 title claims abstract description 62
- 208000011580 syndromic disease Diseases 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 23
- 210000003127 knee Anatomy 0.000 claims abstract description 35
- 210000003205 muscle Anatomy 0.000 claims abstract description 29
- 238000007619 statistical method Methods 0.000 claims abstract description 11
- 238000007477 logistic regression Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000005452 bending Methods 0.000 claims abstract description 6
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 201000006651 patellofemoral pain syndrome Diseases 0.000 claims description 6
- 206010073713 Musculoskeletal injury Diseases 0.000 claims description 5
- 230000003189 isokinetic effect Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 5
- 230000006806 disease prevention Effects 0.000 abstract description 2
- 230000003042 antagnostic effect Effects 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 241000489861 Maximus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000003314 quadriceps muscle Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种预测髌股关节疼痛综合征发病风险的方法，属于疾病预防技术领域，通过病例对照试验来完成预测，包括以下步骤：S1、纳入120例髌股关节疼痛综合征患者；S2、按照1：1匹配120名健康的运动爱好者；S3、进行等速肌力测试技术；S4、运用条件logisitic回归的统计方法，确定影响髌股关节疼痛综合征发病的力量指标，构建相关方程；S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。该预测髌股关节疼痛综合征发病风险的方法，通过运用可以预测发病风险条件logistic回归作为统计方法，构建相关方程，通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入方程，即可计算其患病风险。
Description
技术领域
本发明属于疾病预防技术领域，具体为一种预测髌股关节疼痛综合征发病风险的方法。
背景技术
髌股关节疼痛综合征(PFPS)发病率高，特别是在运动爱好者等人群中发病率可达40％，且极易复发，影响生活质量。而在运动人群尚未发病时，对其伤病风险进行准确预估，同时针对风险因素进行预防性干预，可有效降低该病发病率。
现有技术中，仅通过单因素分析(t检验)这一统计方法，得出相较于健康人，患者伸膝肌力(或股四头肌肌力)、伸髋肌力(或臀大肌肌力)、髋外展肌力(或臀中肌肌力)下降这一临床现象，但由于统计方法的限制，无法得出二者因果关系的结论(即是由于力量下降导致的伤病，还是伤病导致了力量下降)，也无法分析以上几种力量的下降，对伤病发生影响程度的差别(即哪种力量的下降最易导致伤病)。对于下肢肌肉，伸膝/屈膝、伸髋/屈髋、髋内收/髋外展被认为是三对相互拮抗的肌肉，在每对拮抗肌之间，其力量是可以相互影响的，比如过度活跃的屈膝力量，可能抑制伸膝肌力，因此为建立PFPS的发病模型，除纳入伸膝、伸髋、髋外展肌力外，还需纳入各自的拮抗肌，但现有的研究较少考虑拮抗肌。
为此，我们提出了一种预测髌股关节疼痛综合征发病风险的方法来预测髌股关节疼痛综合征的发病风险。
发明内容
针对现有技术的不足，本发明提供了一种预测髌股关节疼痛综合征发病风险的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种预测髌股关节疼痛综合征发病风险的方法，通过病例对照试验来完成预测，包括以下步骤：
S1、纳入120例髌股关节疼痛综合征患者；
S2、根据髌股关节疼痛综合征患者的人数按照1：1匹配120名健康的运动爱好者；
S3、通过等速肌力测试技术，测定所有受试者的伸膝/屈膝、伸髋/屈髋、髋内收/髋外展力量；
S4、运用条件logisitic的统计方法，确定需要统计的肌力力量指标，构建相关方程；
S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。
进一步优化本技术方案，所述S1中，纳入的髌股关节疼痛综合征患者要求为运动爱好者，每周需运动2-5次，每次运动30-60分钟，排除专业运动员。
进一步优化本技术方案，所述S2中，匹配方法为每一名患者根据年龄、性别匹配一名对应的健康人，年龄要求±3岁之内，健康人也有和患者相同的运动习惯，健康人要求近6个月内没有任何肌肉骨骼伤病。
进一步优化本技术方案，所述S4中，屈膝、髋外展肌力的上升或降低对髌股关节疼痛综合征发生无关，因此在相关方程中不纳入上述的两种指标。
进一步优化本技术方案，所述S4中，相关方程设置为：
Y＝β1伸膝力量+β2伸髋力量+β3屈髋力量+β4髋内收力量
其中，Y是发生髌股关节疼痛综合征的概率，β1～β4是每种指标影响发病的系数。
进一步优化本技术方案，所述的发生髌股关节疼痛综合征的概率Y为＜1，指标系数的绝对值越大，代表对应指标对髌股关节疼痛综合征发病的影响程度越大；系数为正值，代表该种力量越大，发病风险越高，系数为负值，代表力量越大风险越小。
与现有技术相比，本发明提供了一种预测髌股关节疼痛综合征发病风险的方法，具备以下有益效果：
该预测髌股关节疼痛综合征发病风险的方法，通过运用可以预测发病风险条件logistic回归作为统计方法，该方法对病例数的要求较高，以往的研究往往没有达到最小样本量要求，同时分析了伸膝/屈膝、伸髋/屈髋、髋内收/髋外展三对共6种力量，构建相关方程，通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入方程，即可计算其患病风险。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
一种预测髌股关节疼痛综合征发病风险的方法，通过病例对照试验来完成预测，包括以下步骤：
S1、纳入120例髌股关节疼痛综合征患者；
S2、根据髌股关节疼痛综合征患者的人数按照1：1匹配120名健康的运动爱好者；
S3、通过等速肌力测试技术，测定所有受试者的伸膝/屈膝、伸髋/屈髋、髋内收/髋外展力量；
S4、运用条件logisitic回归的统计方法，确定影响髌股关节疼痛综合征发病的力量指标，构建相关方程；
S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。
具体的，所述S1中，纳入的髌股关节疼痛综合征患者要求为运动爱好者，每周需运动2-5次，每次运动30-60分钟，排除专业运动员。
具体的，所述S2中，匹配方法为每一名患者根据年龄、性别匹配一名对应的健康人，年龄要求±3岁之内，健康人也有和患者相同的运动习惯，健康人要求近6个月内没有任何肌肉骨骼伤病。
具体的，所述S4中，屈膝、髋外展肌力的上升或降低对髌股关节疼痛综合征发生无关，因此在相关方程中不纳入上述的两种指标。
具体的，所述S4中，相关方程设置为：
Y＝β1伸膝力量+β2伸髋力量+β3屈髋力量+β4髋内收力量
其中，Y是发生髌股关节疼痛综合征的概率，β1～β4是每种指标影响发病的系数。
具体的，所述的发生髌股关节疼痛综合征的概率Y为＜1，指标系数的绝对值越大，代表对应指标对髌股关节疼痛综合征发病的影响程度越大；系数为正值，代表该种力量越大，发病风险越高，系数为负值，代表力量越大风险越小。
实施例二：
一种预测髌股关节疼痛综合征发病风险的方法，通过病例对照试验来完成预测，包括以下步骤：
S1、纳入140例髌股关节疼痛综合征患者；
S2、根据髌股关节疼痛综合征患者的人数按照1：1匹配140名健康的运动爱好者；
S3、通过等速肌力测试技术，测定所有受试者的伸膝/屈膝、伸髋/屈髋、髋内收/髋外展力量；
S4、运用条件logisitic回归的统计方法，确定影响髌股关节疼痛综合征发病的力量指标，构建相关方程；
S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。
具体的，所述S1中，纳入的髌股关节疼痛综合征患者要求为运动爱好者，每周需运动2-5次，每次运动30-60分钟，排除专业运动员。
具体的，所述S2中，匹配方法为每一名患者根据年龄、性别匹配一名对应的健康人，年龄要求±3岁之内，健康人也有和患者相同的运动习惯，健康人要求近6个月内没有任何肌肉骨骼伤病。
具体的，所述S4中，屈膝、髋外展肌力的上升或降低对髌股关节疼痛综合征发生无关，因此在相关方程中不纳入上述的两种指标。
具体的，所述S4中，相关方程设置为：
Y＝β1伸膝力量+β2伸髋力量+β3屈髋力量+β4髋内收力量
其中，Y是发生髌股关节疼痛综合征的概率，β1～β4是每种指标影响发病的系数。
具体的，所述的发生髌股关节疼痛综合征的概率Y为＜1，指标系数的绝对值越大，代表对应指标对髌股关节疼痛综合征发病的影响程度越大；系数为正值，代表该种力量越大，发病风险越高，系数为负值，代表力量越大风险越小。
实施例三：
一种预测髌股关节疼痛综合征发病风险的方法，通过病例对照试验来完成预测，包括以下步骤：
S1、纳入100例髌股关节疼痛综合征患者；
S2、根据髌股关节疼痛综合征患者的人数按照1：1匹配100名健康的运动爱好者；
S3、通过等速肌力测试技术，测定所有受试者的伸膝/屈膝、伸髋/屈髋、髋内收/髋外展力量；
S4、运用条件logisitic回归的统计方法，确定影响髌股关节疼痛综合征发病的力量指标，构建相关方程；
S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。
具体的，所述S1中，纳入的髌股关节疼痛综合征患者要求为运动爱好者，每周需运动2-5次，每次运动30-60分钟，排除专业运动员。
具体的，所述S2中，匹配方法为每一名患者根据年龄、性别匹配一名对应的健康人，年龄要求±3岁之内，健康人也有和患者相同的运动习惯，健康人要求近6个月内没有任何肌肉骨骼伤病。
具体的，所述S4中，屈膝、髋外展肌力的上升或降低对髌股关节疼痛综合征发生无关，因此在相关方程中不纳入上述的两种指标。
具体的，所述S4中，相关方程设置为：
Y＝β1伸膝力量+β2伸髋力量+β3屈髋力量+β4髋内收力量
其中，Y是发生髌股关节疼痛综合征的概率，β1～β4是每种指标影响发病的系数。
具体的，所述的发生髌股关节疼痛综合征的概率Y为＜1，指标系数的绝对值越大，代表对应指标对髌股关节疼痛综合征发病的影响程度越大；系数为正值，代表该种力量越大，发病风险越高，系数为负值，代表力量越大风险越小。
本发明的有益效果是：该预测髌股关节疼痛综合征发病风险的方法，通过运用可以预测发病风险条件logistic回归作为统计方法，该方法对病例数的要求较高，以往的研究往往没有达到最小样本量要求，同时分析了伸膝/屈膝、伸髋/屈髋、髋内收/髋外展三对共6种力量，构建相关方程，通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入方程，即可计算其患病风险。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种预测髌股关节疼痛综合征发病风险的方法，通过病例对照试验来完成预测，其特征在于，包括以下步骤：
S1、纳入120例髌股关节疼痛综合征患者；
S2、根据髌股关节疼痛综合征患者的人数按照1：1匹配120名健康的运动爱好者；
S3、通过等速肌力测试技术，测定所有受试者的伸膝/屈膝、伸髋/屈髋、髋内收/髋外展力量；
S4、运用条件logisitic回归的统计方法，确定影响髌股关节疼痛综合征发病的力量指标，构建相关方程；
S5、通过测定易感人群伸膝、伸髋、屈髋、髋内收力量，将其带入S5的相关方程中，即可计算其髌股关节疼痛综合征的患病风险。
2.根据权利要求1所述的一种预测髌股关节疼痛综合征发病风险的方法，其特征在于，所述S1中，纳入的髌股关节疼痛综合征患者要求为运动爱好者，每周需运动2-5次，每次运动30-60分钟，排除专业运动员。
3.根据权利要求1所述的一种预测髌股关节疼痛综合征发病风险的方法，其特征在于，所述S2中，匹配方法为每一名患者根据年龄、性别匹配一名对应的健康人，年龄要求±3岁之内，健康人也有和患者相同的运动习惯，健康人要求近6个月内没有任何肌肉骨骼伤病。
4.根据权利要求1所述的一种预测髌股关节疼痛综合征发病风险的方法，其特征在于，所述S4中，屈膝、髋外展肌力的上升或降低对髌股关节疼痛综合征发生无关，因此在相关方程中不纳入上述的两种指标。
5.根据权利要求1所述的一种预测髌股关节疼痛综合征发病风险的方法，其特征在于，所述S4中，相关方程设置为：
Y＝β1伸膝力量+β2伸髋力量+β3屈髋力量+β4髋内收力量
其中，Y是发生髌股关节疼痛综合征的概率，β1～β4是每种指标影响发病的系数。
6.根据权利要求5所述的一种预测髌股关节疼痛综合征发病风险的方法，其特征在于，所述的发生髌股关节疼痛综合征的概率Y为＜1，指标系数的绝对值越大，代表对应指标对髌股关节疼痛综合征发病的影响程度越大；系数为正值，代表该种力量越大，发病风险越高，系数为负值，代表力量越大风险越小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011099474.8A CN112133437A (zh) | 2020-10-14 | 2020-10-14 | 一种预测髌股关节疼痛综合征发病风险的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011099474.8A CN112133437A (zh) | 2020-10-14 | 2020-10-14 | 一种预测髌股关节疼痛综合征发病风险的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112133437A true CN112133437A (zh) | 2020-12-25 |
Family
ID=73852947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011099474.8A Pending CN112133437A (zh) | 2020-10-14 | 2020-10-14 | 一种预测髌股关节疼痛综合征发病风险的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112133437A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050288291A1 (en) * | 2002-10-30 | 2005-12-29 | Bach Pharma, Inc. | Modulation of cell fates and activities by phthalazinediones |
| CN106897566A (zh) * | 2017-02-28 | 2017-06-27 | 北京积水潭医院 | 一种风险预估模型的构建方法及装置 |
| CN108447562A (zh) * | 2018-02-28 | 2018-08-24 | 李赛 | 一种用户运动能力评估方法及*** |
| US20180330800A1 (en) * | 2015-11-05 | 2018-11-15 | 360 Knee Systems Pty Ltd | Managing patients of knee surgeries |
| KR102140229B1 (ko) * | 2020-01-31 | 2020-07-31 | 이경석 | 운동기능 평가 시스템 및 방법 |
| CN111493901A (zh) * | 2020-04-26 | 2020-08-07 | 南京信息职业技术学院 | 一种老年人肌肉力量测试快速评估装置及其工作方法 |
| CN111540465A (zh) * | 2020-04-16 | 2020-08-14 | 国家体育总局体育科学研究所 | 神经网络模型预测大学生男子足球员运动损伤风险的方法 |
-
2020
- 2020-10-14 CN CN202011099474.8A patent/CN112133437A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050288291A1 (en) * | 2002-10-30 | 2005-12-29 | Bach Pharma, Inc. | Modulation of cell fates and activities by phthalazinediones |
| US20180330800A1 (en) * | 2015-11-05 | 2018-11-15 | 360 Knee Systems Pty Ltd | Managing patients of knee surgeries |
| CN106897566A (zh) * | 2017-02-28 | 2017-06-27 | 北京积水潭医院 | 一种风险预估模型的构建方法及装置 |
| CN108447562A (zh) * | 2018-02-28 | 2018-08-24 | 李赛 | 一种用户运动能力评估方法及*** |
| KR102140229B1 (ko) * | 2020-01-31 | 2020-07-31 | 이경석 | 운동기능 평가 시스템 및 방법 |
| CN111540465A (zh) * | 2020-04-16 | 2020-08-14 | 国家体育总局体育科学研究所 | 神经网络模型预测大学生男子足球员运动损伤风险的方法 |
| CN111493901A (zh) * | 2020-04-26 | 2020-08-07 | 南京信息职业技术学院 | 一种老年人肌肉力量测试快速评估装置及其工作方法 |
Non-Patent Citations (5)
| Title |
|---|
| 吴小茂: "髋关节力量训练结合康复治疗对运动员髌股关节疼痛综合征的临床效果", 《中国医药导报》, pages 175 - 178 * |
| 周志鹏: "神经肌肉功能与前交叉韧带损伤生物力学危险因素的相关性研究", 《中国博士学位论文全文数据库 社会科学Ⅱ辑》, pages 40 - 41 * |
| 杨辰: "髌股关节痛病因、治疗和分组的生物力学研究进展", 《中国运动医学杂志》, pages 175 - 178 * |
| 田维思;矫玮;: "髌股关节不稳定的危险因素和非手术治疗研究进展", 当代体育科技, no. 03 * |
| 肖琦;孙武东;孙文文;万子龙;张军;: "强化髋关节周围肌肉力量训练对髌股关节疼痛综合征的疗效观察", 中国社区医师, no. 02 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moran et al. | Rates and risk factors of injury in CrossFit: a prospective cohort study | |
| Fousekis et al. | Intrinsic risk factors of non-contact quadriceps and hamstring strains in soccer: a prospective study of 100 professional players | |
| Okada et al. | Relationship between core stability, functional movement, and performance | |
| Bahr et al. | Risk factors for sports injuries—a methodological approach | |
| Gabbe et al. | Predictors of hamstring injury at the elite level of Australian football | |
| Durmic et al. | The training type influence on male elite athletes’ ventilatory function | |
| Jacobsen et al. | A combination of initial and follow-up physiotherapist examination predicts physician-determined time to return to play after hamstring injury, with no added value of MRI | |
| Zvijac et al. | Isokinetic concentric quadriceps and hamstring normative data for elite collegiate American football players participating in the NFL Scouting Combine | |
| Astorino et al. | Elucidating determinants of the plateau in oxygen consumption at o2max | |
| Hamlin et al. | Determination of maximal oxygen uptake using the bruce or a novel athlete-led protocol in a mixed population | |
| Nikolaidis | Maximal heart rate in soccer players: measured versus age-predicted | |
| Sundby et al. | Relationship between functional hamstring: quadriceps ratios and running economy in highly trained and recreational female runners | |
| Brumitt et al. | Preseason lower extremity functional test scores are not associated with lower quadrant injury–a validation study with normative data on 395 division iii athletes | |
| Peart et al. | Evaluation of seasonal changes in fitness, anthropometrics, and body composition in collegiate division II female soccer players | |
| Johnson et al. | The relationship of core strength and activation and performance on three functional movement screens | |
| Sjöberg et al. | Wrist-worn activity trackers in laboratory and free-living settings for patients with chronic pain: criterion validity study | |
| Rejeb et al. | Beighton scoring of joint laxity and injury incidence in Middle Eastern male youth athletes: a cohort study | |
| Markovitz et al. | On issues of confidence in determining the time constant for oxygen uptake kinetics | |
| Clemons | Construct validity of two different methods of scoring and performing push-ups | |
| Spigolon et al. | The correlation of anthropometric variables and jump power performance in elite karate athletes | |
| Clark et al. | Effective interventions for improving Functional Movement Screen scores among “high-risk” athletes: A systematic review | |
| O'Connor et al. | Can a standardized visual assessment of squatting technique and core stability predict injury? | |
| Fritsch et al. | Poor hamstrings-to-quadriceps torque ratios in male soccer players: weak hamstrings, strong quadriceps, or both? | |
| Halet et al. | Relationship of 1 repetition maximum lat-pull to pull-up and lat-pull repetitions in elite collegiate women swimmers | |
| Duarte et al. | Developmental changes in isometric strength: longitudinal study in adolescent soccer players |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |