Informatie

Profiel van een menselijke voet


Ik weet niet zeker of dit de juiste plek is om deze vraag te stellen, dus laat het me weten als dit niet het geval is. Mijn vraag is gewoon uit nieuwsgierigheid.

Wat is de reden voor het gebogen menselijke voetprofiel?

Eerst een beetje verduidelijking in lekentermen. Als je aan de binnenkant naar een menselijke voet zijwaarts kijkt, zie je een boog langs de voetlengte, maar die boog is er niet als je van de andere kant kijkt (stel je een voetafdruk voor en hoe deze aan de binnenkant een ronding heeft en aan de andere kant plat is) kant).

Ik zocht op Google om het antwoord te vinden. Excuseer mijn gebrek aan kennis van biologie volkstaal / terminologieën. Als ze het wiki-artikel over Voetbogen lezen, beschrijven ze de twee bogen - longitudinale boog en transversale boog. In de uitleg voor leken die ik eerder gaf, als ik de anatomie goed begrijp, leidt de dwarsboog tot de op die manier gevormde voetafdruk. Zoals ik begrijp, leggen ze uit hoe de bogen verantwoordelijk zijn voor de stijfheid van de voet, vergelijkbaar met hoe de bogen van een gebouw helpen om meer gewicht te dragen en de doorbuiging verminderen in vergelijking met andere configuraties. Ook zorgt de ruimte onder de koepel ervoor dat het elastische zachte weefsel zich kan verspreiden en voldoende contactoppervlak biedt om het lichaamsgewicht effectief te verdelen. Op de dwarsboog zeggen ze dat het een halve koepel creëert en dat de twee voet samen de volledige koepel vormen. Structureel zullen ze echter niet dezelfde rol vervullen als een volledige koepel, verre van naar mijn bescheiden mening. Kan iemand het structurele voordeel van de halve koepel van de dwarsboog uitleggen?


Golvende veranderingen in proteoomprofielen van menselijk plasma gedurende de levensduur

Veroudering is een overheersende risicofactor voor verschillende chronische ziekten die de gezondheidsspanne beperken 1 . Mechanismen van veroudering worden dus steeds meer erkend als potentiële therapeutische doelen. Bloed van jonge muizen keert aspecten van veroudering en ziekte in meerdere weefsels om 2-10, wat de hypothese ondersteunt dat leeftijdsgerelateerde moleculaire veranderingen in bloed nieuwe inzichten kunnen bieden in de biologie van leeftijdsgerelateerde ziekten. We maten 2.925 plasma-eiwitten van 4.263 jonge volwassenen tot niet-leeftijdgenoten (18-95 jaar oud) en ontwikkelden een nieuwe bioinformatica-benadering die duidelijke niet-lineaire veranderingen in het menselijke plasma-proteoom met de leeftijd aan het licht bracht. Golven van veranderingen in het proteoom in de vierde, zevende en achtste decennia van het leven weerspiegelden verschillende biologische routes en onthulden differentiële associaties met het genoom en proteoom van leeftijdsgerelateerde ziekten en fenotypische eigenschappen. Deze nieuwe benadering van de studie van veroudering leidde tot de identificatie van onverwachte handtekeningen en routes die potentiële doelen zouden kunnen bieden voor leeftijdsgerelateerde ziekten.

Belangenconflict verklaring

De auteurs verklaren geen concurrerende financiële belangen.

Figuren

Uitgebreide gegevens Fig. 1. Voorbeeld van demografische gegevens

Uitgebreide gegevens Fig. 1. Voorbeeld van demografische gegevens

Leeftijd (a, b), cohort (a, b) en geslachtsverdelingen...

Uitgebreide gegevens Fig. 2. Vergelijking van leeftijd en...

Uitgebreide gegevens Fig. 2. Vergelijking van leeftijds- en geslachtseffecten in onafhankelijke cohorten

Uitgebreide gegevens Afb. 3. Nader onderzoek van…

Uitgebreide gegevens Fig. 3. Diepgaand onderzoek van de verouderende proteomische klok

Uitgebreide gegevens Fig. 4. Eiwitten en proteoom...

Uitgebreide gegevens Fig. 4. Eiwitten en proteoomgolvingen in onafhankelijke menselijke cohorten en in muizen

Uitgebreide gegevens Fig. 5. Clustertrajecten in…

Uitgebreide gegevens Fig. 5. Clustertrajecten in onafhankelijke cohorten

Eiwittrajecten voor de 8 clusters…

Uitgebreide gegevens Fig. 6. Paden in clusters

Uitgebreide gegevens Fig. 6. Paden in clusters

Pathway-verrijking werd getest met GO, Reactome en...

Uitgebreide gegevens Fig. 7. DE-SWAN leeftijdseffect…

Uitgebreide gegevens Fig. 7. DE-SWAN-leeftijdseffect voor meerdere q-waarden cutoffs, venstergrootte en na...

Uitgebreide gegevens Fig. 8. Cis-associaties en veroudering...

Uitgebreide gegevens Fig. 8. Cis-associaties en verouderingsgolven

Verrijking voor cis-vereniging in de golven van…

Figuur 1:. Lineaire modellering verbindt het plasma...

Figuur 1:. Lineaire modellering koppelt het plasma-proteoom aan functionele veroudering en identificeert een geconserveerde...

Figuur 2:. Clustering van eiwittrajecten identificeert ...

Figuur 2:. Clustering van eiwittrajecten identificeert lineaire en niet-lineaire veranderingen tijdens veroudering.

Figuur 3:. Schuifraamanalyse onderscheidt golven...

Figuur 3:. Schuifraamanalyse onderscheidt golven van verouderingsplasmafactoren.

(a) Differentiële expressie -...

Figuur 4:. Golven van verouderende eiwitten zijn...

Figuur 4:. Golven van verouderende eiwitten zijn differentieel gekoppeld aan het genoom en proteoom van ...


Abstract

Pezen zijn gespecialiseerde matrixrijke bindweefsels die krachten van spier naar bot overbrengen en essentieel zijn voor beweging. Als weefsels die vaak grote mechanische belastingen overdragen, zijn pezen vaak gewond bij patiënten van alle leeftijden. Na een verwonding genezen pezen van zoogdieren slecht door een langzaam proces dat ongeorganiseerd fibrotisch littekenweefsel vormt met een inferieure biomechanische functie. De huidige behandelingen zijn beperkt en patiënten kunnen een zwakkere pees hebben die waarschijnlijk opnieuw zal scheuren en een verhoogde kans op het ontwikkelen van degeneratieve aandoeningen. Er zijn effectievere, alternatieve behandelingen nodig. Ons huidige begrip van peesbiologie blijft echter beperkt. Hier benadrukken we waarom het uitbreiden van onze kennis van peesontwikkeling, genezing en regeneratie noodzakelijk is voor het bevorderen van peesregeneratieve geneeskunde. We bieden een uitgebreid overzicht van de huidige mechanismen die de ontwikkeling en genezing van pezen regelen en benadrukken verder recent werk in regeneratieve peesmodellen, waaronder de neonatale muis en zebravis. Belangrijk is dat we bespreken hoe huidige en toekomstige ontdekkingen kunnen worden toegepast op zowel het verbeteren van huidige behandelingen als het ontwerpen van nieuwe strategieën om peesblessures te behandelen.


RESULTATEN

Kinematische en EMG-patronen tijdens steltlopen

Fig. 2 illustreert veranderingen in de algemene gangparameters tijdens het lopen op stelten ten opzichte van die tijdens normaal lopen (zonder stelten) in vergelijking met dezelfde absolute snelheden. RM ANOVA detecteerde welke parameters significant verschilden tussen condities (met/zonder stelten, criterium van P<0.05). Met stelten nam de cyclusduur toe, nam de relatieve standduur af en nam de paslengte toe (Fig. 2). Desalniettemin is het de moeite waard om te benadrukken dat de toename van de paslengte significant kleiner was dan die voorspeld op basis van de proportionele toename van de beenlengte (Fig. 2C, stippellijn), consistent met eerdere studies (Dominici et al., 2009 Singer et al., 2011). Alle 10 proefpersonen slaagden erin om op stelten te lopen tot 6 km h -1 , terwijl slechts 8 van hen het bereikten Vmax≥7 km h –1 en slechts één proefpersoon kon op stelten lopen bij 8 km h –1 . Normaal lopen werd geregistreerd bij alle proefpersonen bij 7 km h –1 en bij 7 proefpersonen bij 8 km h –1.

De analyse van loopkinematica (Fig. 3) onthulde dat schacht- en voetsegmenten drastisch minder oscilleerden tijdens het lopen op stelten dan bij normaal lopen (P<0.001 voor beide segmenten), terwijl de amplitude van de dijbeweging vergelijkbaar was in de twee loopcondities (P>0.05). Samenvattend veranderde de intersegmentale coördinatie aanzienlijk bij het dragen van stelten, wat een mogelijke verklaring biedt voor de wijziging van de intrinsieke relatie tussen paslengte en ledemaatlengte (figuur 2C).

Veranderingen in de kinematische patronen tijdens het lopen op stelten ten opzichte van normaal lopen. (A) Ensemble gemiddelde (± sd) segment elevatiehoeken bij één onderwerp lopen op 5 km h -1 met en zonder stelten. (B) Piek-tot-piek amplitude (± sd, N=10) van elevatiehoeken als functie van loopsnelheid. Let op de aanzienlijk kleinere oscillaties van de distale segmenten met stelten (A,B).

Veranderingen in de kinematische patronen tijdens het lopen op stelten ten opzichte van normaal lopen. (A) Ensemble gemiddelde (± sd) segment elevatiehoeken bij één onderwerp lopen op 5 km h -1 met en zonder stelten. (B) Piek-tot-piek amplitude (± sd, N=10) van elevatiehoeken als functie van loopsnelheid. Let op de aanzienlijk kleinere oscillaties van de distale segmenten met stelten (A,B).

EMG-activiteit liet niet-lineaire veranderingen zien die vergelijkbaar zijn met eerdere onderzoeken (Dominici et al., 2009 Landy et al., 2009 Wu et al., 2009). Een voorbeeld van ensemble-gemiddelde EMG-patronen in één representatief onderwerp wordt getoond in Fig. 4A. Tijdens steltlopen gingen kleinere bewegingen in de distale segmenten gepaard met kleinere gemiddelde EMG-activiteit in de TA-spier (P<0.05), terwijl EMG's van MG en proximale (RF, VL, BF en ST) beenspieren grotere amplitudes vertoonden met stelten dan zonder (P<0.05) (Fig. 4B).

Metabool profiel (zuurstofverbruik) voor steltenlopen

Het gemiddelde zuurstofverbruik over 1 minuut werd berekend zodra een stabiele metabolische toestand was bereikt (>3 min na het begin van de proef op de loopband). Om de metabole kosten van voortbeweging te verkrijgen, werd het zuurstofverbruik gedeeld door de massa van het onderwerp en genormaliseerd per tijdseenheid (Fig. 5A,C) of per afstandseenheid (Fig. 5B,D). De metabolische kosten per tijdseenheid waren iets hoger tijdens steltlopen en namen sneller toe met dimensieloze loopsnelheid (Fig. 5C). Normalisatie naar afstand wordt meestal gebruikt om de optimale voortbewegingssnelheid te beoordelen. De genormaliseerde O2 kosten hebben normaal gesproken een minimum rond NS 0,25 tijdens normaal lopen (Saibene en Minetti, 2003). Onze resultaten bevestigden dit idee (Fig. 5, gemiddelde NS 0,24) vertoonden echter duidelijk significant lagere (P=0,0005 gekoppeld t-test) optimale dimensieloze snelheden tijdens steltlopen voor alle proefpersonen (gemiddelde NS 0.17, Fig. 5D), terwijl de minimale metabolische kosten plaatsvonden bij een vergelijkbare absolute snelheid met en zonder stelten (5,47 en 5,36 km h –1, respectievelijk Fig. 5B).

De gegevens in Fig. 5 zijn verkregen door de loopsnelheid te normaliseren naar de beenlengte (de verticale afstand tussen GT en de zool tijdens staan) met behulp van de NS nummer. Hoewel beenlengte vaak wordt gebruikt voor het berekenen NS nummer (Saibene en Minetti, 2003), kunnen andere lengtes geschikter zijn. Het zwaartepunt (COM) ligt bijvoorbeeld hoger dan het heupgewricht (ongeveer ter hoogte van het ilium). Bovendien kan het toevoegen van de extra massa van de stelten (2×1,5 kg) aan het been de COM enigszins verplaatsen. Daarom hebben we geverifieerd of de belangrijkste bevindingen significant zouden veranderen na normalisatie naar de afstand van de ondersteunende voet tot de COM in plaats van naar de ledemaatlengte. COM werd voor elk onderwerp geschat met behulp van antropometrische metingen (Ivanenko et al., 2004), rekening houdend met het gewicht van de stelten. Deze procedure verschoof de resultaten iets naar lager NS nummers (voor zowel normale gang als lopen op stelten). Maar zelfs na deze aanpassing was de absoluut optimale loopsnelheid nog steeds significant (P<0.001) langzamer voor steltenlopen. Onze bevindingen (Fig. 5) waren dus niet afhankelijk van het feit of normalisatie werd uitgevoerd op de totale ledemaatlengte (been + stelt) of op de afstand tussen de voet en COM. Hier rapporteren we de resultaten met behulp van de normalisatie van de lengte van de ledematen, zoals dit algemeen wordt aanvaard in de literatuur.


DISCUSSIE

Het doel van deze studie was drieledig: ten eerste om de verschillen tussen tweevoetige galop en ten tweede te onderzoeken, om te laten zien hoe voortstuwing in galop wordt gegenereerd en ten derde om te begrijpen waarom mensen galop niet spontaan gebruiken voor stationaire voortbeweging.

In het eerste deel van de discussie worden de verschillen tussen galop en rennen beoordeeld. In het tweede deel stellen we dat galop voornamelijk gebruik maakt van elastische energieopslag en terugslag om de energetische kosten van voortbeweging te minimaliseren. Dit zal worden gevolgd door een verklaring waarom mensen galop niet gebruiken voor stationaire voortbeweging en waarom het bij dieren de voorkeursgang bij hoge snelheid kan zijn.

De resultaten van de running test komen overeen met referentieonderzoeken (Novacheck, 1998 Winter, 1983 Milliron en Cavanagh, 1990 Belli et al., 2002). Rekening houdend met intra- en interindividuele variabiliteit in de horizontale en verticale GRF's als een netto maatstaf voor bewegingsvariabiliteit, bleek de bewegingsconsistentie vergelijkbaar te zijn tussen rennende en galopperende benen. Blijkbaar, hoewel het zelden wordt gebruikt, is galop een bekende gang voor mensen. Bovendien, energetica van de COMwb en kinematica van galop zijn vergelijkbaar met die gerapporteerd in eerdere studies (Caldwell en Whitall, 1995 Whitall en Caldwell, 1992). Referentiegegevens voor gewrichtsmomenten en galopkracht bestaan ​​alleen voor de zwaaifase (Caldwell en Whitall, 1995). De berekende gewrichtsmomenten en kracht tijdens de zwaai van dit onderzoek komen overeen met de referentiegegevens die in dat onderzoek zijn gevonden.

Net als bij galop, wordt het ene been altijd voor het andere gehouden, wat verschillende configuraties voorstelt met betrekking tot de COMwb inderdaad, we vonden specifieke bewegingspatronen en functies voor elk been, wat overeenkomt met eerdere resultaten (Witall en Caldwell, 1992). In vergelijking met rennen ligt het punt waar het achterbeen in galop de grond raakt dichter bij de COMwb en wanneer dit been de grond verlaat de horizontale afstand met de COMwb groter is. Touch down van het leidende been is verder voor het lichaam en op TO de horizontale positie van de COMwb valt bijna samen met die van de voet. Dit verschil in voetpositionering resulteert in verschillende beenfuncties (zie Inleiding, hypothese i): (i) het achterste been vertraagt ​​de neerwaartse snelheid van het lichaam tijdens het eerste deel van het contact en stuwt het naar voren tijdens het afzetten, (ii) het voorste been doet het tegenovergestelde: het vertraagt ​​de voorwaartse beweging van het lichaam tijdens het eerste deel van het contact en heft het op tijdens het afzetten. Om het lichaam naar voren te stuwen, wordt het achterste been verplaatst Epot en Everwant, v naar binnen Ekin, f, terwijl het leidende been het tegenovergestelde doet om het lichaam op te heffen. In tegenstelling tot rennen, raakt het achterste been van galop de grond met de voorvoet, maar net als bij rennen wordt belasting geaccepteerd door de enkel en knie te buigen (Novacheck, 1998 Winter, 1983 Milliron en Cavanagh, 1990 Belli et al., 2002). Tijdens het tweede deel van het voetcontact worden de enkel en de knie gestrekt om het lichaam naar voren te stuwen. Het leidende been is meer gebogen (dan het achterste been en het loopbeen) wanneer zijn voet de grond raakt en verder buigt tijdens de eerste helft van het contact in vergelijking met rennende en achterste galopperende benen. Tijdens het afzetten strekt het been zich uit en verlaat het de grond met dezelfde kniehoek als bij de landing. In de zwaai zijn de galopperende benen minder gebogen dan tijdens het rennen om ze terug te brengen naar de voetstappositie.

Cirkeldiagrammen die de relatieve bijdrage (J kg -1 ) tonen aan het totale negatieve en positieve ledemaatwerk door de heup (rood), knie (groen) en enkel (blauw) gewrichten van een ledemaat tijdens één stap. De afmetingen van de cirkeldiagrammen worden geschaald naar het totale werk dat wordt opgenomen/gegenereerd door een ledemaat, waarvan de waarde op het cirkeldiagram wordt geplaatst (in J kg −1 ).

Cirkeldiagrammen die de relatieve bijdrage (J kg -1 ) tonen aan het totale negatieve en positieve ledemaatwerk van de heup (rood), knie (groen) en enkel (blauw) gewrichten van een ledemaat tijdens één stap. De afmetingen van de cirkeldiagrammen zijn geschaald naar het totale werk dat door een ledemaat wordt geabsorbeerd/gegenereerd, waarvan de waarde op het cirkeldiagram wordt geplaatst (in J kg −1 ).

Een andere hypothese die in de Inleiding naar voren werd gebracht (hypothese ii) was dat tijdens ondersteuning het grootste verschil op gewrichtsniveau in de heup zit. De resultaten van dit onderzoek bevestigen deze hypothese. Bij voetcontact is de heup van het achterbeen al meer gestrekt dan bij hardlopen en blijft deze strekken tot de toe-off. De heup van het leidende been is meer gebogen tijdens het contact. De extensor-flexor heupmomenten onthullen de functie van de heupmusculatuur bij tweevoetige voortbeweging: het balanceren van de massa boven het bekken tijdens ondersteuning (Winter et al., 1990, Winter, 1983, Winter, 1995) en controle van het zwaaibeen. Net als tijdens de ondersteuningsfase bij hardlopen (Novacheck, 1998 Winter, 1983), zijn de heupmomenten strekmomenten zolang de voeten voor de COM staanwb, waardoor het lichaam vertraagt, en flexormomenten worden wanneer de COMwb de horizontale positie van de voeten is gepasseerd, waardoor het afzetten wordt vergemakkelijkt. Tijdens de vlucht vertraagt ​​een strekmoment ter hoogte van de heup van het sleepbeen de voorwaartse beweging van het sleepbeen en bereidt het voor op voetcontact. Tegelijkertijd zwaait het leidende been naar voren vanwege een buigmoment bij de heup. De twee momenten werken elkaar tegen en vergemakkelijken de stabiliteit van het bovenlichaam. Door de asymmetrische plaatsing van de voet in galop zijn de heupmomenten groter en anders verdeeld over een cyclus dan bij hardlopen.

Hoewel Minetti concludeerde dat in galop de twee basisstrategieën voor mechanische energiebesparing gelijktijdig werken (Minetti, 1998), is er geen experimenteel bewijs geleverd. Het eerste fundamentele energiebesparende mechanisme bestaat uit de uitwisseling tussen: Epot en Efamilie zoals gebeurt in een omgekeerde slinger (Cavagna et al., 1977). Als het lichaam zich gedraagt ​​als een omgekeerde slinger in galop, neemt de Epot moet gepaard gaan met een afname van Efamilie en vice versa. In het huidige experiment, toen de achterste voet de grond raakte, Epot afgenomen maar een toename van Efamilie werd pas opgemerkt toen Epot zijn minimum had bereikt. Tijdens het contact van het leidende been werd een tegengestelde volgorde waargenomen: Efamilie afgenomen tijdens het eerste deel van het voetcontact, maar Epot alleen toegenomen wanneer Efamilie was al minimaal. Hoewel 'energieterugwinning' - een parameter die het vermogen weerspiegelt om mechanische energie te besparen door slingerachtige bewegingen (Cavagna et al., 1976) - voor galop 51 ± 10% is, wat hoog is, gedragen galopperende benen zich niet als omgekeerde slingers ( zoals hierboven betoogd) en er wordt weinig energie bespaard door een uitwisseling tussen Ekin, f en Epot. Het tweede fundamentele energiebesparende mechanisme is de uitwisseling tussen externe mechanische energie en elastische energie, zoals in een veer (Cavagna et al., 1977). Gewoonlijk wordt het potentieel voor dit mechanisme geïdentificeerd door een gelijktijdige stijging en daling van de Epot en Efamilie van de COMwb, zoals in rennen. In galop wordt vanwege de asymmetrische beenconfiguratie een dergelijk patroon niet waargenomen, waardoor het gebruik van dit energiebesparende mechanisme op het hele lichaamsniveau niet vanzelfsprekend is. Echter, te oordelen naar de gezamenlijke kinematica en kinetiek, is er potentieel voor elastische energieopslag en terugslag in galop. Om gebruik te kunnen maken van elastische energie, moet de verkorting van de spier-peeseenheid worden voorafgegaan door een verlenging terwijl kracht wordt ontwikkeld, d.w.z. concentrische activiteit moet worden voorafgegaan door excentrische activiteit (Van Ingen Schenau et al., 1997 Komi, 1992). De huidige gegevens van enkel- en kniemomenten en kracht tijdens galop (Fig. 5, 6) lijken in overeenstemming te zijn met een dergelijk energiebesparend mechanisme. Tijdens contact van zowel galopperende als rennende benen met de grond, wordt positief werk aan de enkel en knie voorafgegaan door negatief werk. Hoewel de werkelijke veranderingen in spierlengte niet bekend zijn, lijkt het redelijk om aan te nemen dat het grootste deel van het negatieve werk aan de enkel wordt opgeslagen als elastische energie en vrijkomt tijdens het afzetten (Ishikawa et al., 2007 Van Ingen Schenau et al., 1997 Komi, 1992), terwijl slechts een deel van het negatieve werk aan de knie wordt omgezet in elastische energie (Sasaki en Neptune, 2006).

Cirkeldiagrammen die de relatieve bijdrage (J kg -1 ) aan netto negatief en positief ledemaatwerk tonen door de heup- (rood), knie- (groen) en enkelgewrichten (blauw) van een ledemaat tijdens één stap. De afmetingen van de cirkeldiagrammen zijn geschaald naar het netwerk dat wordt geabsorbeerd/gegenereerd door een ledemaat, waarvan de waarde op het cirkeldiagram wordt geplaatst (in J kg −1 ).

Cirkeldiagrammen die de relatieve bijdrage (J kg -1 ) aan netto negatief en positief ledemaatwerk tonen door de heup- (rood), knie- (groen) en enkelgewrichten (blauw) van een ledemaat tijdens één stap. De afmetingen van de cirkeldiagrammen zijn geschaald naar het netwerk dat wordt geabsorbeerd/gegenereerd door een ledemaat, waarvan de waarde op het cirkeldiagram wordt geplaatst (in J kg −1 ).

In galop functioneert het leidende been als een elastische springstok, terwijl het achterste been omgekeerd functioneert. Het achterste been wordt geconverteerd Epot en Everwant, v in elastische energie die vrijkomt in Ekin, f tijdens het afzetten. Dit Ekin, f wordt door het leidende been omgezet in elastische energie en tijdens het afzetten losgelaten in Epot en Everwant, v. In tegenstelling tot hypothese iii (zie inleiding), die stelde dat in galop de twee energiebesparende mechanismen tegelijkertijd werken, wordt de meeste energie bespaard door uitwisseling tussen mechanische en elastische energie en wordt slechts weinig energie bespaard door uitwisseling tussen Efamilie en Epot.

Het vierde doel van de studie was om te onderzoeken waarom mensen niet spontaan galopperen voor stationaire voortbeweging. Op basis van de huidige set gegevens kunnen twee mogelijke verklaringen worden overwogen: de eerste heeft betrekking op de metabole kosten van transport en de tweede heeft betrekking op lokale spierspanning.

Galop is metabolisch gezien 24 ± 5% duurder dan rennen met dezelfde snelheid. De hogere metabole kosten van galop kunnen verband houden met een toename van de totale arbeidsproductie en een verschil in vermogensbijdrage.

Over een pas zijn het totale positieve en negatieve werk in galop en rennen vergelijkbaar, maar in verhouding tot de afgelegde afstand wordt 15 ± 7% meer werk gegenereerd tijdens galop. Naast het verschil in werkopwekking is ook de bijdrage van de twee benen aan het totale vermogen in galop en rennen verschillend. Tijdens het rennen absorbeert en genereert elke ledemaat een gelijke hoeveelheid negatieve en positieve kracht, terwijl in galop, vanwege zijn asymmetrische aard, de kracht ongelijk verdeeld wordt over de twee ledematen (Fig. 7). Het trailing leg genereert slechts ±35% van het totale gemiddelde positieve vermogen, terwijl het ±65% van het totale gemiddelde negatieve vermogen absorbeert. Als er een perfecte uitwisseling van excentrische en concentrische kracht binnen een been zou zijn, zou het positieve vermogen dat door het achterste been wordt gegenereerd volledig kunnen worden herwonnen uit het negatieve vermogen. In het leidende been kon slechts ±50% van het positieve vermogen worden teruggewonnen uit het negatieve vermogen. De implicatie is dat er minimaal ±0,50 J kg −1 m −1 moet worden opgewekt ten koste van metabole energie.

Bovendien is de hoeveelheid opgenomen en opgewekte stroom verschillend over de gewrichten verdeeld. In galop wordt het meeste werk geleverd aan de enkel van het achterbeen en aan de enkel en heup van het leidende been. Tijdens het rennen leveren de enkels het meeste werk, terwijl beide heupen iets minder werk leveren in vergelijking met het positieve werk van beide galopperende heupen (fig. 7).

Ervan uitgaande dat over een pas en binnen een gewricht alle negatieve arbeid tijdelijk wordt opgeslagen en teruggewonnen in positief werk (fig. 8), genereren bij het hardlopen de enkel en heup arbeid, terwijl de knie een gelijke hoeveelheid arbeid opneemt. In galop nemen de knie en heup van het achterbeen werk op, terwijl er weinig werk wordt gegenereerd aan de enkel. Bijna al het positieve werk in galop wordt gegenereerd door de enkel en heup van het leidende been. Vanwege het asymmetrische karakter en de verschillende krachtverdeling over de gewrichten, wordt er meer kracht gegenereerd door de proximale spieren in galop in vergelijking met rennen. De proximale spieren zoals de heupstrekkers hebben geen lange pezen, zoals in de distale spieren (Ker et al., 1988), wat energieopwekking duurder maakt in vergelijking met energieopwekking aan de enkel. Daar kunnen de langere pezen een groot deel van de verandering in spier-peeslengte opnemen, waardoor de spiervezels isometrisch of met relatief lage snelheden werken, waardoor op een efficiënte manier kracht wordt geleverd (Roberts, 2002 Roberts et al., 1997 Ishikawa et al. , 2007 Lichtwark et al., 2007).

Onderzoek van de momentane gewrichtskracht (Fig. 6) laat zien dat tijdens galop inderdaad energie wordt afgevoerd naar de heup. De heupbuigers van het achterbeen (HT1) absorberen grote hoeveelheden stroom, gevolgd door weinig stroomopwekking in de vroege swing (HT2). Bovendien bevestigen de gezamenlijke krachtprofielen dat in galop de heup van het leidende been een grote hoeveelheid werk genereert die niet kan worden gewonnen uit eerder opgeslagen elastische energie. Tijdens het contact genereren de heupstrekkers veel concentrische kracht (HL2) die wordt voorafgegaan door weinig excentrieke activiteit (HL1). Aan het einde van de standfase is er een kleine mate van excentrische activiteit van de heupbuigers (HL3), die weer wordt gevolgd door een veel grotere concentrische activiteit (HL4). Elastische opslag en retour, indien aanwezig, zal daarom minimaal zijn. Vergeleken met de heupbewegingen tijdens het hardlopen, zal er waarschijnlijk meer energie worden afgevoerd en gegenereerd ten koste van metabolische energie in galop. In zowel galop als rennen vertonen de knie-extensoren eerst excentrische activiteit, gevolgd door gelijke (galop) of minder (rennen) concentrische activiteit. Net als in de knieën treedt in de enkels een excentrisch-concentrische koppeling op voor zowel rennen als galopperen. De excentrische en concentrische pieken zijn even groot voor de enkel van het achterbeen, maar verschillen in grootte voor de enkel van het leidende been en voor het loopbeen, waarbij de excentrische activiteit slechts ongeveer 35% van de daaropvolgende concentrische activiteit is.

Als zodanig tonen deze tijdelijke profielen van gewrichtskracht in de drie onderste ledematengewrichten aan dat in galop de oriëntatie van de benen energiedissipatie veroorzaakt door de heupbuigers van het achterste been en metabolische dure energieopwekking door de heupstrekkers van het leidende been. Deze vermogensdissipatie en -generatie kan worden weerspiegeld in de hogere metabole kosten in vergelijking met hardlopen.

Het is interessant op te merken dat onze bevindingen enige gelijkenis vertonen met het asymmetrische looppatroon van mensen met hemiplegie veroorzaakt door een beroerte. Onderzoek door Teixeira-Salmela en collega's (Teixeira-Salmela et al., 2001) toonde aan dat lopen na een beroerte wordt gekenmerkt door een asymmetrische verdeling van kracht over de twee benen. Een groot deel van het totale beenwerk wordt gegenereerd door de heup, die tot taak heeft de voortstuwing te ondersteunen en het bovenlichaam in evenwicht te brengen. In overeenstemming met onze bevindingen voor galop, is de toename van het werk ter hoogte van de heup bij hemiplegisch lopen geassocieerd met een stijging van de metabole kosten (Lamontagne et al., 2007).

Erkend moet worden dat een toename van de krachtopwekking ook van invloed kan zijn op de transportkosten. Biewener (Biewener, 1990) en Kram en Taylor (Kram en Taylor, 1990) voerden aan dat de hoeveelheid kracht die door de spieren wordt gegenereerd, de metabolische kosten bepaalt. Hoewel we spierkrachten niet kunnen meten, kunnen grondreactie-impulsen een goede maatstaf zijn voor de relatieve vraag naar spierkracht. Hiermee rekening houdend en rekening houdend met de verschillen in SL, is de totale gegenereerde kracht per afstandseenheid 12% groter voor galop dan voor rennen en zou dus ook kunnen bijdragen aan de hogere transportkosten.

Zoals hierboven betoogd, is de relatieve toename van de metabole kosten van galopperen vergeleken met rennen met een bepaalde snelheid (dwz galop is ± 24% duurder dan rennen) grotendeels vergelijkbaar met de relatieve toename van mechanische transportkosten (dwz galop is 15% meer duur). De hogere mechanische kosten van galopperen konden in de segmentanalyse worden teruggevoerd op verschillen die voornamelijk in de heupen voorkomen. Een verschil tussen galopperen en rennen is de aanwezigheid van de dubbele ondersteuningsfase (samengestelde stand), zoals bij het lopen wanneer de COMwb wordt omgeleid (Kuo et al., 2005 Ruina et al., 2005 Lee et al., 2011). Op het niveau van het hele lichaam (zwaartepuntbenadering) brengt deze omleiding een prijs met zich mee en het lijkt aannemelijk dat de dubbele ondersteuning bij het galopperen de hogere kosten op een vergelijkbare manier verklaart. De huidige resultaten laten echter zien dat de periode van dubbele stand erg kort is (± 0,024 s) en, belangrijker nog, dat er geen omleiding van de COMwb treedt op tijdens deze dubbele stand (d.w.z. geen botsing cf. plateau in de Epot profiel voor galopperen in Fig. 2), wat suggereert dat de gemeten extra kosten niet gerelateerd zijn aan de dubbele ondersteuning. In een recent artikel hebben Lee en collega's een methode voorgesteld om (dimensieloze) mechanische kosten over een stap te schatten vanuit een botsingsperspectief (Lee et al., 2011). Toegepast op onze resultaten bevestigt deze methode enerzijds bovenstaande suggestie (geen grote kosten verbonden aan dubbele houding) maar levert anderzijds raadselachtige resultaten op. Meer dan één stap, zowel de mechanische kosten van beweging [vgl. 8 in Lee et al. (Lee et al., 2011)] en de equivalente botsingshoeken [vgl. 7 in Lee et al. (Lee et al., 2011)] zijn lager voor galopperen (0,22) dan voor hardlopen (0,26). Echter, wanneer genormaliseerd naar de afgelegde afstand, zijn de kosten identiek voor de twee gangen (0,11 m −1). Dit staat in contrast met de metabole en segmentaal-mechanische verhoudingen (1,24 en 1,15 cf. hierboven) gemeten in deze studie. In het licht van de botsingsbenadering wijst dit waarschijnlijk op een beter elastisch herstel tijdens het rennen in vergelijking met galopperen, zoals ook wordt gesuggereerd door de verschillen in de berekende botsingsfracties. Voor hardlopen bedraagt ​​de botsingsfractie 0,97, wat consistent is met het conforme SLIP-model (Lee et al., 2011), terwijl voor tweevoetig galopperen de botsingsfractie gelijk is aan 0,78, vergelijkbaar met wat werd gevonden voor galopperende viervoeters (Lee et al., 2011). Verdere oplossing van dit probleem valt buiten het bestek van deze studie, maar kan relevant zijn met het oog op de verdere ontwikkeling van het botsingsperspectief van loopdynamiek (Lee et al., 2011).

Naast de hogere metabole kosten van transport, kan ook een meer lokaal mechanisme bepalen waarom mensen geen gebruik maken van galop. In ons tweede experiment ervaarden alle proefpersonen het galopperen op een loopband als fysiek veeleisend en ongemakkelijk. Ze rapporteerden gevoelens van vermoeidheid en spierspanning op zowel dijen als heupen, waardoor vier van de 13 proefpersonen het galopperende patroon vroegtijdig stopten, d.w.z. ze konden het galopperende patroon niet de hele 4 minuten volhouden. Tijdens galop produceert het leidende been meer kracht dan het achterste been of een loopbeen, wat betekent dat er een toename van de volumespecifieke spierkracht per tijdseenheid en dus hogere spierspanningen is. Het is denkbaar dat deze toename van de energieproductie zulke hoge spanningen en vermoeidheid veroorzaakt dat we onszelf het risico lopen op een blessure, waardoor het galopperende patroon niet kan worden vastgehouden. Inspectie van de gewrichtsmomenten toont inderdaad aan dat het maximale heupstrekkermoment en de hoekige heupstrekkerimpuls in het voorste been hoger zijn dan die in het achterbeen en in een rennend been, wat wijst op hogere spierspanning en mogelijk vermoeidheid van de heupstrekkers. van het leidende been. Om dit te verifiëren, werden heupstrekkerspierspanningen berekend met behulp van een methode die gepubliceerde spiermomentarmen en fysiologische dwarsdoorsnedegebieden combineert met onze eigen gemeten gewrichtshoeken en momenten (Thorpe et al., 1998). Piekspanningen in de heupextensoren van het voorste been (84,7 kN m 2) waren bijna twee keer zo hoog als die in het achterste been (43,8 kN m 2) en

1,75 keer hoger dan die in een rennend been (48,6 kN m 2). De verschillende bewegingen en functies van beide galopperende benen veroorzaken dus hoge lokale spierspanningen en mogelijke vermoeidheid van de heupstrekkers van het leidende been, wat een tweede (hoewel niet wederzijds uitsluitende) reden kan zijn waarom mensen niet spontaan galop selecteren voor bovengrondse stabiliteit -staat motoriek.

Thus, higher metabolic costs of transport as well as higher local muscular stress at the thigh and hip may be the reasons why people do not gallop for steady-state locomotion at higher speeds, which confirms hypothesis iv (see Introduction).

The finding that gallop in humans is metabolically more demanding than running at the same speed is in contrast with findings in horses, where gallop and trot have the same economy at similar speeds (Hoyt and Taylor, 1981 Minetti et al., 1999). This discrepancy may be related to the transfer of energy between the limbs and/or in the function of the hip and shoulder joint. Horses have a flexible spine that bends and extends during galloping strides. Alexander and colleagues suggested that this bending and extending serves as an energy-saving spring in gallop that transfers energy from the hindlimbs to the forelimbs and vice versa (Alexander et al., 1985 Alexander, 1990 Alexander, 2002). In humans, such energy transfer is not possible. The implication is that energy dissipates at the hip of the trailing leg and energy needs to be generated by the hip of the leading leg. Moreover, stabilizing the mass on top of the limbs is less demanding in quadrupeds because most of the mass is situated between the hindlimbs and forelimbs, which may free the hip and shoulder of their balancing task and thus enhance their capacity to assist in propulsion (Lee et al., 1999 Usherwood and Wilson, 2005 Dutto et al., 2006 Williams et al., 2009).

Finally, the following limitations of this study should be noted. To assess muscle–tendon work, joint work was calculated by integrating joint power, which was calculated using inverse dynamics. Although this approach is commonly used, it is not without flaws. Joint work is an approximation of muscle–tendon work because it cannot take co-contraction of antagonistic muscles, biarticular muscle work and passive joint work into account. Muscle co-contractions cause the net moment to be smaller than the sum of the individual muscle flexor and extensor moments and thus underestimates joint work/muscle–tendon work. Biarticular muscles (because work is calculated at each joint separately) and passive joint work overestimate muscle–tendon work (Sasaki et al., 2009). The inverse dynamics approach is also unable to measure isometric muscle contractions that consume metabolic energy but are not taken into account in the joint mechanical work. Furthermore, the study focuses on the work absorbed and generated at the joints of the lower limbs. Joint power of, and work generated or absorbed by, the upper limbs were calculated but were considered small compared with those of the lower extremities and are therefore not reported. Another methodological limitation is that hip joint kinetics and therefore also work at the hips and total leg work were limited to four subjects because of practical limitations of the setup. However, as kinematics, GRFs and ankle and knee joint kinetics show similar patterns for all subjects and because joint kinetics link GRFs to whole-body behaviour, it seems very plausible that hip joint kinetics are similar for all subjects, too.

In conclusion, the present study showed that the specific configuration of galloping legs involves different hip actions and feet placement, giving galloping legs different functions. Although energy is saved by interchanging external mechanical and elastic energy, the metabolic cost of locomotion is higher for gallop than for run. This higher metabolic cost of gallop is caused by larger amounts of work generated per unit distance combined with a shift of power generation to more proximal joints. The asymmetrical pattern not only influences the metabolic cost of locomotion but also involves higher muscular stress at the hips, which may be another reason why humans do not use gallop for steady-state locomotion on level ground.


Effects of footwear and strike type on running economy

Doel: This study tests if running economy differs in minimal shoes versus standard running shoes with cushioned elevated heels and arch supports and in forefoot versus rearfoot strike gaits.

Methoden: We measured the cost of transport (mL O(2)·kg(-1)·m(-1)) in subjects who habitually run in minimal shoes or barefoot while they were running at 3.0 m·s(-1) on a treadmill during forefoot and rearfoot striking while wearing minimal and standard shoes, controlling for shoe mass and stride frequency. Force and kinematic data were collected when subjects were shod and barefoot to quantify differences in knee flexion, arch strain, plantar flexor force production, and Achilles tendon-triceps surae strain.

Resultaten: After controlling for stride frequency and shoe mass, runners were 2.41% more economical in the minimal-shoe condition when forefoot striking and 3.32% more economical in the minimal-shoe condition when rearfoot striking (P < 0.05). In contrast, forefoot and rearfoot striking did not differ significantly in cost for either minimal- or standard-shoe running. Arch strain was not measured in the shod condition but was significantly greater during forefoot than rearfoot striking when barefoot. Plantar flexor force output was significantly higher in forefoot than in rearfoot striking and in barefoot than in shod running. Achilles tendon-triceps surae strain and knee flexion were also lower in barefoot than in standard-shoe running.

conclusies: Minimally shod runners are modestly but significantly more economical than traditionally shod runners regardless of strike type, after controlling for shoe mass and stride frequency. The likely cause of this difference is more elastic energy storage and release in the lower extremity during minimal-shoe running.


Transformative Research

Understanding the fundamental biological mechanisms of disease is a defining feature of Amgen's discovery research efforts—and a major contributor to the development of Amgen's deep and broad pipeline of potential new medicines. Amgen's "biology first" approach permits its scientists to first explore the complex molecular pathways of disease before determining what type of medicine, or modality, is most likely to deliver optimal efficacy and safety. With the advances in human genetics, Amgen continues to shed new light on the molecular roots of disease. Amgen subsidiary deCODE Genetics, a global leader in human genetics, is a powerful differentiator, greatly improving how we identify and validate human disease targets.


Human Body Ratios

Invoering
Our bodies are amazing! They are full of mysteries and surprising facts such as this one: Did you know that you are about a centimeter taller in the morning, when you have just woken up after hours of lying down, than you are in the evening? You might never have noticed it. These interesting facts only reveal themselves when you look closely, measure and compare. That is what this activity is about: recording, comparing and discovering how the human body measures up!

Achtergrond
Did you know that human bodies come in all sizes and forms? When you start measuring them, however, you will find our bodies show surprising similarities&mdashand even more surprisingly, we can express these with mathematical concepts.

For one thing, our bodies are quite symmetrical. When you draw a vertical line down the center of a body, the left and right sides are almost mirror images of each other. Human bodies also show interesting ratios. Ratios compare two quantities, like the size of one part of the body to the size of another part, or to the size of the whole. An example of a human body ratio is a person's arm span&mdashthe distance from the middle fingertip of the left hand to that of the right hand when stretching out both arms horizontally&mdashto their height. This ratio is approximately a one to one ratio, meaning that a person&rsquos arm span is about equal to their height. There are many more human body ratios some are independent of age, and others change as we grow from a baby to an adult.

Wondering who would be interested in these ratios? Artists are avid users of human body ratios, because it helps them draw realistic-looking figures. They are also used in the medical world a sizable deviation from a human body ratio can indicate a body that does not develop according to expectations. In this science activity we will examine some human body ratios and, if you like, we can explore how they can help you draw more realistic-looking figures.

  • Garen
  • Schaar
  • A hardcover book
  • A helper
  • Pen and paper (optional)
  • Measuring tape (optional)


Voorbereiding

  • To compare the length of different parts of your body with your height, we will first create a string the length of your height. Take off your shoes. The easiest way is to lie on the ground with your heels pressing against a wall. Look straight up and have your helper place a hardcover book flat against the top of your head, resting on the ground. Get out from under the book and, together, span the yarn across the floor from the wall to the book, cutting the yarn just where it reaches it. Now you have a piece of yarn that is as long as you are tall. (If lying on the ground is not possible, you can also stand flat on the floor against the wall and have the book rest on top of your head and against the wall.)
  • First, we examine your arm span to height ratio. Your arm span is the distance between the middle fingertips on each hand when you stretch your arms out as far as they can reach. How do you think your height compares with your arm span? Would it be similar, way longer or way shorter?
  • Now stretch your arms out as far as they can reach. Your arms will be parallel to the ground. Hold one end of the piece of yarn you just cut off with the fingertips of your left hand. Let your helper span the yarn toward the tip of your right hand's middle finger. Is piece long enough, way longer or way too short?What does this tell you about how your arm span compares to your height?
  • For most people, their arm span is about equal to their height. Mathematicians say the arm span to height ratio is one to one: your arm span goes once into your height.
  • Now let&rsquos explore another ratio: the length of your femur bone to your height. The femur bone is the only bone in your thigh. To measure its length, sit down and span a new piece of yarn over your thigh from the hip joint to the edge of your knee and cut the yarn there.
  • Make an estimate. How many times would this piece of yarn go into the piece that is as long as you are tall? Can you find a way to test your estimate?
  • There are several ways to compare the length of the two pieces of yarn: You might cut several pieces of the length of your shorter string, lay them end to end next to your longer piece, and count how many you need. Another way is to fold the longer string into equal parts so the length of the folded string equals the length of the shorter string. The number of folds needed is exactly the number of times your shorter string goes into your longer string.
  • Did you see that the length of your femur bone goes about four times into your height? You can also say that if you divide your height in four equal pieces, you have the length of your femur bone, or the length of your femur bone is one fourth of your height. Mathematicians call this a one to four ratio.
  • Now let&rsquos move on to a ratio that might help you make more realistic drawings: the head to body ratio. How many times would the length of your head fit into your height? Maybe four, six or eight times? To test six times, fold the yarn with length equaling your height into six equal pieces. Have your helper place a book flat on your head and hang the folded string from the side of the book. If the other end of the string is about level with your chin, your height would be about six times the length of your head, or your head to body ratio would be one to six. Which number of folds fits best for you?
  • There are many more bodily ratios you can explore: the circumference of your head compared with your height, or the length ratios of your forearm and foot or thumb and hand. Use pieces of yarn to measure, compare and detect these and/or your other bodily ratios.
  • Extra: You have explored some ratios in your body and might wonder if these hold for other people as well. Do you think they hold for most people of your age? What about adults or babies? Do you think these ratios hold for them or would some be different? Make a hypothesis, find some volunteers, measure and compare. Was your hypothesis correct?
  • Extra: This activity uses pieces of yarn to compare lengths. You can also measure your height, arm span, femur bone, etcetera with measuring tape, round the values and write the ratios as fractions. Can you find a way to simplify these fractions?
  • Extra: Draw some stick figures on a sheet of paper. Can you apply some of the bodily ratios you explored (like the arm span to height or the head to body ratio) to the figures?Which ones look most realistic to you?
  • Extra: Ratios are all around us. Can you find other places where ratios play an important role? To get you started, think about a recipe and the ratio of the quantity of one ingredient to another. For avid bikers, can you find the ratios that correspond to the different gears on a bike?


Observaties en resultaten
You probably found your arm span to height ratio approximately to be one to one whereas the femur to height was approximately one to four. This is expected because on average and over a large age range the human body has an arm span that is roughly equal to its height and a femur bone roughly a quarter of its height.

The head to body ratio is a little more complex as it changes from a ratio of about one to four for a small child to about one to eight for an adult. A five-year-old is likely to have a head to body ratio of about one to six.

It is good to remember these ratios are averages over a large group of people. Individual variations occur some might even be used to one&rsquos advantage&mdashfor example, having exceptionally long arms can be advantageous when playing basketball.

Deze activiteit wordt u aangeboden in samenwerking met Science Buddies


Methoden:

Sample.

The Hadza are a traditional hunter-gatherer population inhabiting the Lake Eyasi region of northern Tanzania (52, 53). This region is a seasonal savannah-woodland habitat. Data collection for this study took place during the dry season of 2015 (June/July). Although there are a mix of subsistence strategies currently used by Hadza individuals across the region, individuals included in this study continue to live in traditional ways and foraged daily for wild resources. During our study, people acquired honey, small game, large game, berries, baobab, and tubers. By weight, only 3% of their diet (recorded in daily food returns) was not wild foods.

Participants were recruited from the camp of Sengeli (N = 28 Nmannelijk = 16, Nvrouwelijk = 12 age range = 18–61 y) to wear activPal accelerometers (Pal Technologies Ltd.) affixed to their thigh. These devices were wrapped in latex to make them water-resistant and were taped to the anterior thigh. Participants were asked to wear them for 8 d. Tape was reapplied when needed, but no devices were removed during the course of data collection. Approval for this research was provided by all governing organizations (Institutional Review Boards at Yale University, Hunter College, and the University of Arizona The Tanzania Commission for Science and Technology and the National Institute for Medical Research in Tanzania). All subjects provided their informed consent prior to participating in this project.

Accelerometry.

Accelerometry data were processed into 15-s epochs using activPal software. ActivPal software provides time spent in sedentary postures, standing, stepping, and number of transitions from sitting to standing within each 15-s epoch. We define sedentary behavior as time spent in nonambulatory postures, which exclude standing and walking. These data were imported into R statistical computing environment (R version 3.5.1) for further processing. Using output from activPal software, we calculated total time spent inactive during waking periods, with waking time determined using two methods. First, following methods detailed by Chastin et al. (31), we determined waking and sleeping onset directly from accelerometer data. Sleep onset was considered the end of the last standing event after 2100 that was followed by at least 3 h of nonupright posture. Waking onset was the first standing event that followed 2 h of continuous inactive posture between 0000 and 0900. Second, we used average sleep and wake onsets taken from Yetish et al.’s (54) and Samson et al.’s (55) previous studies of Hadza sleep patterns using wrist-worn accelerometry. All activity and nonambulatory variables of interest were then calculated for each day of waking hours, with all days included in statistical analyses below. On 1 d, we note that five individuals used a car for transportation to a community meeting, and these days for these individuals were removed from the analysis. Finally, time spent in MVPA was calculated as time spent above a 100 steps per min threshold following Barreira et al. (32). We determined both total MVPA and MVPA in bouts that lasted for at least 10 consecutive minutes.

Posture Observation.

Instantaneous scan sampling was used to record postural data for all individuals in camp who wore activPal accelerometers throughout the day. For 12 h, beginning at 0700, scan samples were taken every hour and postures of all individuals in camp were recorded. Postures were documented using a modified typology developed by Hewes (29) and were categorized as lying down, ground sitting, squatting, kneeling, and chair sitting. Lying down included postures where individuals had the majority of the body in ground contact, lying on either the back or front. Ground-sitting postures were any nonambulatory posture that included the buttocks in contact with the ground. Squatting included two postures: heels down with buttocks elevated off the ground and knees flexed so that the thigh and shank are in contact, and heels down with buttocks rested on a small rock and knees flexed so that the thigh and shank are in contact (an assisted squat). Kneeling included postures where the anterior shank was in contact with the ground, knees are flexed, and buttocks rests on the posterior shank. Chair sitting is any posture that resembles Western-style chair sitting that can include sitting on a rock, log, or mound with knees flexed to ∼90°. For this study, we include analysis of individuals that also wore activPal devices. Scan samples were conducted for all 8 d of accelerometer wear leading to 96 scans and a total of 2,396 postures observed.

Muscle activity was measured using portable EMG with wireless surface electrodes (Delsys). Electrodes were affixed to the skin overlying the following muscles: vastus lateralis (left and right), soleus (left and right), tibialis anterior (right). Data were collected at 1,000 Hz and were bandpass filtered (20–450 Hz). EMG trial order was randomized for each participant. Each trial lasted for 2 min, and subjects were asked to maintain inactive postures throughout the entire trial. EMG data were collected in the following trials: squatting (heels down), assisted squatting (squatting with buttocks supported by a small rock), ground sitting in two postures commonly found in this population (with legs flexed to the side and with legs crossed in front), and chair sitting with the back supported by a backrest. We also collected EMG data during 2-min walking trials where subjects walked at a self-determined usual walking pace. We used a 30-s window of EMG data for this analysis that began 1 min into each trial. Thus, we captured EMG of muscles after they had accommodated to each posture and prior to the anticipation of the trial end. For each 30-s window, we rectified the signal and normalized each muscle’s EMG magnitude by dividing by the average rectified magnitude for a given muscle calculated during the walking trial (normalized values were multiplied by 100 to convert to percent of walking magnitudes). We chose to normalize EMG data using walking trials because, while we attempted to elicit maximum voluntary contractions for each muscle, this process proved difficult for most participants to execute. Use of walking data ensured more consistent normalization across participants.

Blood Biomarkers.

We used portable professional blood test devices (CardioChek PA, Polymer Technology Systems, Inc., and Contour OneTouch, Ascensia Diabetes Care) to measure blood lipids and fasting glucose during the 2015 and October 2019 field seasons (OneTouch devices were used for glucose measurements only during the 2019 field season see SI-bijlage, Tabel S1). Calibration of the devices occurred prior to each measurement session. For glucose and blood lipids in 2015, and blood lipids in 2019, we collected fingerstick capillary whole blood samples and analyzed them using the CardioChek point of care meter following package instructions. Based on recent studies, the CardioChek system provides results that are within 10% of serum reference values for all blood lipids (56). We measured total cholesterol, high-density lipoprotein (HDL) levels, triglyceride levels, and calculated low-density lipoprotein (LDL) levels from total cholesterol, HDL, and triglyceride values by following ref. 57. Note that the CardioChek does not calculate values of total cholesterol below 100 mg/dL, triglycerides below 50 mg/dL, or HDL below 20 mg/dL. In cases where these values fell below the threshold for measurement, the next lowest value was imputed (e.g., total cholesterol of <100 was imputed as 99 HDL <20 was imputed as 19) for calculation of group means. LDL was calculated using the Friedewald equation (LDL = Total Cholesterol –HDL Triglycerides/5), which has been shown to be accurate in populations, like the Hadza, with low triglycerides (57). Group means should therefore be considered upper bounds for estimated blood biomarkers of CVD risk. In the 2019 field season, fasting glucose measurements were collected using the OneTouch device following manufacturer guidelines. Complete blood biomarker data for these individuals are found in SI-bijlage, Table S1, and overlap between the blood biomarker and actigraphy samples is noted in the table.

Statistieken.

To account for repeated measurements of accelerometry data on consecutive days, linear mixed effects models (LMM) were used to compare time spent in nonambulatory postures across individuals, with participant and accelerometer wear-day included as random effects and sex and age included in models as fixed effects. We used a χ 2 test to analyze proportion of time spent in different postures and adjusted P values using false discovery rate (FDR) to account for multiple pairwise comparisons. EMG data were analyzed using LMMs to account for repeated measurements on the same individuals, and we adjusted P values using FDR to account for multiple pairwise comparisons between resting postures. For EMG data, participant was included in the model as a random effect (random intercept), and sex and age were included as fixed effects. All statistics were performed in R statistical computing (version 3.5.1) using the lme4, mulcomp, and RVAideMemoire packages. All datasets generated during and/or analyzed during the current study are available from the corresponding author on reasonable request.


Bekijk de video: 324 voet, stabiliteistesten (December 2021).