JAKOŚĆ RUCHU I WŁAŚCIWOŚCI MECHANICZNE MIĘŚNIA

Jakość ruchu jest uważana za kompleksowy wskaźnik kontroli nerwowo-mięśniowej, stabilności segmentowej i efektywnego przekazywania siły, a także jest uznawana za ważny czynnik determinujący zdrowie układu mięśniowo-szkieletowego i wydajność funkcjonalną. Optymalne wzorce ruchu pomagają odpowiednio rozłożyć obciążenie stawów, podczas gdy suboptymalne strategie ruchowe mogą przyczyniać się do zwiększonego stresu biomechanicznego i rozwoju urazów przeciążeniowych w czasie. W ostatnich latach sugerowano, że pasywne właściwości mechaniczne mięśni (sztywność, napięcie i elastyczność) wpływają na stabilność segmentową i kontrolę ruchu; jednak związek między tymi zmiennymi nie został wystarczająco zbadany w zdrowych populacjach. Celem tego badania jest zbadanie związku między jakością ruchu a pasywnymi właściwościami mechanicznymi mięśni szkieletowych u zdrowych dorosłych.

W badaniu zostaną uwzględnione zdrowe osoby dorosłe. Wielkość próby została określona na podstawie analizy mocy a priori, a łącznie zostanie zrekrutowanych 42 uczestników. Jakość ruchu będzie oceniana za pomocą Functional Movement Screen (FMS). FMS to ustandaryzowane narzędzie przesiewowe składające się z siedmiu podstawowych zadań ruchowych zaprojektowanych do oceny podstawowych wzorców ruchowych. Każde zadanie będzie oceniane w skali od 0 do 3, a łączny wynik (0-21 punktów) będzie używany jako wskaźnik ogólnej jakości ruchu. Pasywne właściwości mechaniczne mięśni (sztywność, napięcie i elastyczność) będą mierzone za pomocą przenośnego i nieinwazyjnego urządzenia MyotonPRO 5, z mięśnia czworogłowego uda, mięśni kulszowo-goleniowych, mięśnia brzuchatego łydki, mięśnia piszczelowego przedniego i mięśnia prostownika grzbietu. Pomiary będą wykonywane w standardowych anatomicznych punktach odniesienia, z mięśniem w pozycji rozluźnionej. Sonda urządzenia zostanie umieszczona prostopadle do powierzchni skóry nad mięśniem, a pasywna odpowiedź lepkosprężysta tkanki zostanie zarejestrowana. Związek między zmiennymi będzie analizowany za pomocą analizy korelacji Pearsona lub Spearmana, w zależności od charakterystyki rozkładu danych.