5kmトレッドミル走行初期期と末期相の下肢運動学の比較解析
July 17th, 2020
本研究では、5kmトレッドミル走行の初期段階と末期相の間の下肢運動学的変数の生体力学的特性を調べた。10人のランナーの下肢運動学的データを、それぞれ初期相(0.5km)のトレッドミル上の3次元モーションキャプチャシステムと末端相(5km)を用いて収集した。
この方法は、自然界で起こる所有者の化学的変化による第2の質問を調査し、アマチュアランナーでのフェーズや長距離の作業をオフにするのに使用できます。この技術のいくつかの利点は、ランニング傷害を引き起こす潜在的な要因を探索する方法についての具体的な詳細を提供できることです。解析ソフトウェアを調整するには、ラボの照明をオフにして、反射する可能性のあるオブジェクトを削除します。
8台のカメラを実験領域の周りの適切な位置に配置し、反射せずにアクションを明確に見えます。カメラを操作するには、ソフトウェアを開き、リソース ペインでシステム、ローカル システム、および MX カメラを選択します。T フレームをキャプチャ領域の中央に配置します。
システム内のすべてのカメラを選択し、2D モードを選択します。Tフレームが干渉点のないカメラビューに存在することを確認し、システムの準備を選択します。T フレーム ドロップダウン リストで、5 つのマーカー 杖と T フレームのキャリブレーション オブジェクトを選択します。
システム準備ツールパネルで、マスクカメラのスタートボタンをクリックし、MXカメラセクションを調整します。キャリブレーションプロセスが完了すると、プログレスバーはゼロパーセントに復元されます。座標の原点を設定するには、T フレームをカメラの視野の中央に配置し、ツール ウィンドウで、設定されたボリューム原点セクションの [開始] ボタンをクリックし、テスト ゾーンの中央にトレッドミルを配置し、8 台のカメラの全ての視野の中央に配置します。
分析を行う前に、被験者に実験手順のサンプル説明を与え、被験者にアンケートを完了させます。書面による同意を得た後、被験者の身長、下肢の長さ、膝の幅、および角度をミリメートル単位で記録し、被験者の体重をキログラムで記録します。すべての測定値を得た後、前部上腸骨脊椎にそれぞれ1つの反射マーカーを置き、後方上腸骨棘、横中腿、横膝、横中シャンク、横筋、第2中足頭およびカルカネウスを配置する。
その後、靴下と靴の対応する解剖学的ポイントに第2中足頭とカルカニューにマーカーを置き、被験者に軽いランニングと5分間伸ばしてウォームアップさせます。マーカーの静的キャリブレーションを行うには、ツールバーのデータ管理ボタンをクリックして、データ管理を選択します。新しいデータベース タブで、場所を選択し、トライアル名と臨床テンプレートを記述して、[作成] をクリックします。
開いているデータベース ウィンドウで、作成されたデータベースの名前を選択します。開いているインターフェースで、緑色の新しい患者分類ボタン、黄色の新しい患者ボタン、およびグレーの新しいセッションボタンをクリックして、新しい実験を作成します。[Nexus] ペインで、[件名] をクリックして新しいサブジェクト データ セットを作成し、試用版モデルを選択します。
プロパティ ペインで、すべての人間測定の測定値を入力し、[ライブに移動] をクリックします。[分割] を水平に選択し、グラフを選択して軌道の数を確認します。静的モデルをキャプチャするには、キャプチャ ツール ウィンドウで、この件名キャプチャ セクションの [開始] をクリックし、パースペクティブ ペインでキャプチャ マークを表示します。
キャプチャしたマーカーの 3D イメージを作成するには、ツール ペインのパイプライン ボタンをクリックし、再構築パイプラインの実行を選択し、この静的モデルに手動でラベルを付けます。識別が完了したら、保存して Escape を押して終了します。ツールバーで、サブジェクトの準備と件名のキャリブレーションを選択し、ドロップダウン リストから静的プラグイン ゲート オプションを選択します。
次に、静的設定ウィンドウで、左足と右足を選択します。[開始]をクリックして、静的モデルを保存します。動的トライアルを開始するには、ソフトウェアでキャプチャを選択し、トライアルの種類とセッションを選択します。
試験の説明を記入した後、今、被験者は心臓モニターに置きます。そして、1分間時速8キロで歩くことによって、トレッドミルでウォームアップするように被験者に依頼してください。ウォームアップ期間の終わりには、被験者が時速10キロメートルの速度で4分間実行し、それぞれ5キロメートルと5キロメートルの距離ポイントで40秒間運動走行データを記録します。
動的試行の最後に、[停止] をクリックしてコレクションを終了します。キネマティック処理の場合は、データ管理ウィンドウを開き、試用名をダブルクリックします。ツールバーの[パイプラインとラベルを再構築する]ボタンをクリックしてマークポイントの位置を再構築し、パースペクティブウィンドウで時間バーの青い三角形を移動して、必要な時間範囲を設定します。
タイムラインのビューをシフトして、選択した範囲のみを表示します。タイムバーをクリックし、対象地域にズームをクリックします。次に、ラベル ボタンを選択して、静的識別プロセスの例に示すようにラベル ポイントを識別して確認し、必要に応じて不完全な識別ポイントを補足します。
対象のキャリブレーション ペインで、動的プラグ イン ゲートを選択します。次に、開始ボタンをクリックしてデータを実行し、ポスト処理用の 3 つの CD 形式で材料試験をエクスポートします。この代表的な分析では、矢状面では足首または股関節のピーク角に違いは認められなかった。
初期段階と比較して、前頭面の足首と膝のピーク角は末端相で有意に増加し、一方で、より大きな内部股関節角を末端相で測定した。しかし、横面では、末端相は、ヒップの外転と角度と膝の回転に小さなピーク角を提示した。矢状面では、足首と膝の可動範囲は、末端相と比較して初期段階で有意に増加した。
前頭面では、初期段階と比較して、末端相において股関節の運動範囲が有意に減少した。一方、足首と膝の運動範囲は末端段階で増加した。横面では、膝の運動範囲は、初期相と比較して末端相において有意に低いことがわかった。
しかし、足首や股関節の動きの範囲に違いは認められなかった。マークが落ちないようにして、この手順の最も重要な側面です。
View the full transcript and gain access to thousands of scientific videos
概要
この研究は、5kmのトレッドミルランニング中の下肢の運動学的変数の生体力学的特性を調査しました。10人のランナーの運動学的データが、ランの初期と終端のフェーズの両方で収集されました。
主要な研究構成要素
科学の分野
- 生体力学
- スポーツ科学
- 運動生理学
背景
- 運動学的変数を理解することは、ランニングのパフォーマンスを分析するために重要です。
- ランナーの怪我は生体力学的要因と関連付けることができます。
- 三次元モーションキャプチャシステムは、動きについての詳細な洞察を提供します。
- フェーズ間の比較分析は、ランニングメカニクスの変化を明らかにします。
研究目的
- 5kmランの初期と終端のフェーズにおける下肢の運動学の違いを分析すること。
- ランニング怪我に寄与する潜在的要因を特定すること。
- アマチュアアスリートにおけるランニング生体力学の理解を深めること。
使用された方法
- データ収集に三次元モーションキャプチャシステムを使用。
- 0.5kmと5kmの間隔で10人のランナーからデータを収集。
- ランニング距離にわたる変化を評価するための運動学的変数の分析。
- 正確な測定を確保するための機器の校正。
主要な結果
- フェーズ間で運動学的変数に有意な違いが観察されました。
- 結果は距離の増加に伴うランニングメカニクスの変化を示唆しています。
- 怪我予防戦略への潜在的な影響。
- データはランナーのためのカスタマイズされたトレーニングプログラムの必要性を支持しています。
結論
- 生体力学的分析はランニングのパフォーマンスを理解するために不可欠です。
- 初期と終端のフェーズは異なる運動学的特性を示します。
- ランナーの怪我のメカニズムを探索するためのさらなる研究が必要です。
よくある質問
Executive Industry Relevance
Quantitative lower limb kinematic analysis during prolonged treadmill running provides actionable insights for early-stage target validation in musculoskeletal injury research. By comparing initial and terminal running phases, this approach enables mechanistic de-risking and supports predictive confidence in identifying biomechanical contributors to injury risk. These findings inform portfolio decisions for translational research and preclinical model development in sports medicine and orthopedics.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables hypothesis-driven interrogation of biomechanical factors underlying running-related injuries.
- Supports functional target validation by quantifying joint kinematics across fatigue states.
- Facilitates predictive confidence in selecting relevant endpoints for musculoskeletal research.
Screening & Assay Development
- Establishes validated kinematic measurement protocols for reproducible data collection.
- Provides standardized quantitative outputs for downstream comparative analyses.
- Enables screening of interventions or compounds targeting biomechanical injury mechanisms.
Translational & Preclinical Research
- Aligns kinematic endpoints with disease-relevant models of overuse injury.
- Supports continuity from discovery through preclinical validation of therapeutic hypotheses.
- Informs risk-adjusted advancement of candidate interventions based on biomechanical readouts.
Pipeline & Workflow Integration
This kinematic analysis method integrates into the discovery-to-preclinical continuum for musculoskeletal and sports injury research.
- Discovery Biology: Quantifies joint angles and velocities to clarify injury-related pathways.
- Screening: Delivers reproducible, quantitative kinematic outputs for intervention assessment.
- Analytics: Provides statistical comparison of dependent variables across running phases.
- Translational Research: Bridges biomechanical findings to preclinical models of injury risk.
- Enterprise Reuse: Offers a scalable platform for repeated biomechanical assessments across studies.
Operational & Enterprise Impact
- Scientific Value: Enhances predictive confidence and reduces mechanistic ambiguity in injury research.
- Operational Value: Standardizes kinematic data collection and analysis for reproducibility.
- Strategic Value: Informs go/no-go decisions and optimizes resource allocation in early R&D.
- Portfolio Impact: Supports risk-adjusted prioritization of biomechanical intervention strategies.
Implementation Considerations
- Requires expertise in motion capture technology and biomechanical data analysis.
- Demands calibrated multi-camera systems and robust analytical software infrastructure.
- Necessitates cross-team standardization of marker placement and data processing protocols.
- Adaptation may be needed for different subject populations or running conditions.
- Marker retention and accurate identification are critical for reliable outputs.
Biopharma FAQs
Chapters in this video
0:04
Introduction
0:41
Laboratory Preparation
2:11
Subject Preparation
3:15
Static Calibration
5:02
Dynamic Trials
5:43
Post-Processing
6:46
Results: Representative Changes in Joint Range of Motion (ROM) and Peak Angular Velocity Before and After Running
8:01
Conclusion
