Optimal footfall patterns for cost minimization in running.
Journal of Biomechanics. 48.
同じラボ
abst
Optimality in footfall pattern use is often studied in relation to running performance and injury risk. The typical variables assessed (metabolic cost, impact force) represent only two of many potential variables runners might want to minimize situationally. Here we used optimal control theory to predict optimal model-based running mechanics with 44 different cost functions. We tallied the frequency of different footfall patterns, then examined which patterns minimized which types of cost functions. When the model wore shoes, rearfoot striking (RFS) was predicted by 57% of the cost functions and was consistently optimal for functions related to whole-body energy expenditure and peak joint contact forces. No other footfall pattern was predicted by more than 25% of the functions. Non-RFS patterns tended to be optimal for functions that gave equal weight to all muscles, avoiding localized muscle fatigue. Non-RFS patterns were also predicted when minimizing average joint contact forces. Similar predictions were seen when the model ran barefoot, where RFS was optimal for 55% of the functions. The results suggest that RFS is the most versatile footfall pattern (optimal for the greatest number of goals), and may explain why RFS is the most common pattern in recreational shod runners. We argue that natural non-RFS runners are not necessarily behaving “sub-optimally”, but rather may be optimizing their gaits on factors not tested here (e.g. comfort, which is difficult to quantify). In addition, switching from RFS to non-RFS may reduce the joint load accumulated during a run if speed and step length are maintained. 接地パターンの使用における最適性は、ランニングパフォーマンスと怪我のリスクに関連して研究されることがよくあります。評価された典型的な変数（代謝コスト、衝撃力）は、ランナーが状況に応じて最小化したい可能性のある多くの潜在的な変数の2つだけを表しています。ここでは、最適制御理論を使用して、44の異なるコスト関数を使用したモデルベースの最適な実行力学を予測しました。さまざまなフットフォールパターンの頻度を集計し、どのパターンがどのタイプのコスト関数を最小化するかを調べました。モデルが靴を履いたとき、後足ストライキング（RFS）はコスト関数の57％で予測され、全身エネルギー消費とピーク関節接触力に関連する関数に一貫して最適でした。関数の25％以上で予測された他の足跡パターンはありません。非RFSパターンは、局所的な筋肉疲労を回避し、すべての筋肉に等しい重みを与える機能に最適である傾向がありました。非RFSパターンは、平均関節接触力を最小化するときにも予測されました。モデルが裸足で実行されたときにも同様の予測が見られ、RFSは関数の55％に最適でした。結果は、RFSが最も用途の広いフットフォールパターン（ゴールの数が最も多い場合に最適）であることを示唆しており、RFSがレクリエーション靴ランナーで最も一般的なパターンである理由を説明している場合があります。私たちは、自然の非RFSランナーは必ずしも「準最適」に動作しているわけではなく、ここでテストされていない要因（たとえば、快適さ、定量化が難しい）で歩行を最適化している可能性があると主張します。さらに、速度とステップ長が維持されている場合、RFSから非RFSに切り替えると、実行中に蓄積されるジョイントの負荷が減少することがあります。 Keywords