2.1   数据的时间维度 从图1可以看出论文的发表量整体呈上升的趋势。为量化不同时期的论文发表趋势，作者根据不同时期文献发表量使用一元线性回归将其拟合成4条直线，以表示划分的4个阶段第1阶段：y=-0.457 1x+909.24；第2阶段：y=2.1x-4 177.3；第3阶段：y=0.297 6x-573.21；第4阶段：y=10.763x-21 538)。第1阶段，从1985至1990年，共发表4篇文献，每年小于2篇，占总数的0.248%，此阶段文献发表量呈下降趋势(斜率=-0.457 1)。第2阶段是1991至1995年，发表文献40篇，每年小于15篇，占总数的2.471%，此阶段文献数量有小幅度增长(斜率=2.1)。第3阶段从1996至2003年，发表文献175篇，每年都在25篇以下，占总数的10.809%，文献总量量有所增长且处于一个平台期(斜率=0.3)。第4阶段在2004年以后，发表文献1 397篇，每年发表大于30篇，占总数的86.289%，此阶段文献数量呈逐年上升趋势(斜率=10.8)。其中2017年文献发表量最多，达到180篇，而2015年文献发表132篇，数量同比有所下降。"

  经统计分析表明跑在生物力学研究领域中在2004年以前相对较少，上升趋势不明显。2004年以后更多的学者加入此方面研究，文献发表量趋势处于上升趋势。 2.2   数据的空间维度分析 2.2.1 国家分布状况 从文献数据的国家/地区字段总共找到51个国家或地区，通过Rstudio统计分析，生成可视化交互图，见图2，可视化交互图可以访问：http://www.gaomm.top/data/tu.html浏览。发现       1985至2017年间跑的生物力学研究国家主要集中在南美洲、欧洲和澳洲。文献发表最多的国家为美国，共发表674篇文章，占总数的41.6%；其次是英国，共发23篇文章，占总数的13.8%；排第3位的是澳大利亚，共发表136篇文章，占总数的8.4%。另外德国(7.474%)、加拿大(6.671%)、法国(5.374%)、意大利(4.324%)、中国(3.212%)、比利时(3.150%)、日本(3.150%)分别为文章发表的第4-10位。说明论文的高产的国家为美国和英国，美国发文量为英国的3倍，两者的发文总数已占到世界的一半。Top10的国家论文发表量已经达到了世界发文量的97.16%。其中中国发表文献52篇，排名第8位，文献发表量相对较少。"

  CiteSpace中可对国家的突现值(Burst)进行探测，突现值使用Kleinberg的突变检测算法可以用于检测一个学科内研究兴趣的突然增长[18]，数值越大突现性越高。使用CiteSpace对国家突现值分析后发现美国在   1985至1993年、德国在2002至2006年、比利时在2005至2008年、巴西在2015至2017年有论文发表量突现值较高。说明这些国家在相应的时间内论文发表量的爆发增长。通过分析可以看出跑步的生物力学研究在世界分布极不平衡，少数国家或地区占世界多数的研究成果，并且这些国家都是经济较为发达的国家，说明跑步的生物力学研究与国家的经济发展程度相关。 2.2.2  机构研究状况 对文献数据的研究机构记录进行统计分析。共发现有774所研究机构在对跑步的生物力进行研究，见图3。主要分布在北美洲中部、欧洲、澳洲东南部、亚洲东南部以及南美洲东南部。排名前5的研究机构位于美国、澳大利亚和英国。分别为University of California System(美国加利福尼亚大学系统，66篇，4.08%)，University of Calgary(加拿大卡尔加里大学，50篇，3.09%)，University of California，Berkeley(美国加州大学伯克利分校，47篇，2.90%)Harvard University(美国哈佛大学，46篇，2.84%)，University of London(英国伦敦大学，46篇，2.84%)。"

  从文献发表量大的机构分布来看主要来自发达国家的大学、政府部门、公司等。其中排名Top30的机构还包括United States Department of Defense(美国国防部，20篇，12.4%)和United States Army(美国陆军，17篇，1.05%)，可以看出美国在军事领域也对跑步的生物力学有相关研究。另外中国文献发表量最多的机构是上海体育学院和香港中文大学，都为6篇。特步公司在中国排名第三，共发表4篇。 2.3 跑的生物力学研究的学科领域结构分析 Web of Science™将收录的论文根据其内容所涉及的研究领域进行225种分类标引，这些分类在文献计量学研究中广泛的应用于定义学科的研究领域[19]。对数据的研究领域分布情况进行分析，可获知研究主题的分布情况[20]。跑的生物力学中涉及许多学科领域，对这些学科领域进行分析可得知跑的生物力学中包所含的学科领域及学科领域的分布情况。 2.3.1 跑的生物力学学科领域统计  统计发现跑的生物力学共含有54种学科领域，学科领域分布相对不平衡，整体呈现负指数分布(y=1 161.7x-1.411，R2=0.972)，其中Top5的领域为体育科学(Sport Sciences)，工程(Engineering)，骨科(Orthopedics)，生命科学生物医学其他专题(Life Sciences Biomedicine Other Topics)以及神经科学神经病学(Neurosciences Neurology)，见表2，图4。"

"

  2.3.2 跑的生物力学研究学科领域叠加分析 科学领域的叠加分析是在当前大数据技术下，借助数据库中全体数据的关系建立的原始数据图层[20]。LoetLeydesdorff建立了一种跨学科分析方法(Interdisciplinary science)，使用Web of ScienceTM的225种领域种类建立全科学领域分布图，将分类后的领域叠加在其上[21]。此方法可进行学科多样性的分析。通过LoetLeydesdorff的跨学科分析方法，将跑的生物力学包含的学科领域分为6类，再将分类后的领域通过VOSviewer叠加在全学科领域上。分类后的6类领域分布如图5。"

  图6所示按照包含学科领域数目多少排列分别为： ①聚类#1：生物与医药(Biology and Medicine)，有32个领域，占此类总数的48.48%；排名前三的领域分别是体育科学(Sport Sciences)，骨科(ORTHOPEDICS)和生物医学工程(Engineering Biomedical)；②聚类#6：计算机科学工程(Computer Sci.and Engineering)，有17个领域，占此类总数的68%；排名前三的领域分别是计算机科学交叉应用(Computer Science Interdisciplinary Applications)，机器人(Robotics)，工程工业(Engineering Industrial)；③聚类4#：心理和社会问题研究(Psychology and Social Issues)，有10个领域，占此类总数的27.78%；排名前三的领域分别是康复(Rehabilitation)，心理学(Psychology)，心理学实验(Psychology Experimental)；④聚类2#：物理科学与工程(Physical Science and Engineering)，有8个领域，占此类总数的21.5%。排名前三的领域分别是工程机械(Engineering Mechanical)，机械(Mechanics)，生物材料科学(Materials Science Biomaterials)；⑤聚类3#：环保科技(Environmental S&T)，共有8个领域，占此类总数的12.5%；排名前三的分别是进化生物学(Evolutionary Biology)，生态学(Ecology)，古生物学(Paleontology)；⑥聚类5#：社会科学(Social Sciences)，有3个领域，占此类总数的11.11%；排名前三的分别是休闲体育旅游(Hospitality Leisure Sport Tourism)，人类学(Anthropology)，心理学的应用(Psychology Applied)。"

  由此可以看出跑的生物力学主要从生物、医药、工程、计算机类别进行研究。而体育科学、工程、骨科、生命科学生物医学等其他专题是跑的生物力学的主要研究领域。 2.3.3 共被引分析 共引可以被定义为由其他文献共同引用两篇文献的频次，并被认为是文献的邻近度   量[22]。该研究对文献数据包含的作者和引用文献进行共被引分析。CiteSpace中，设置Time Slicing(时间跨度)为1985至2017年，Years Per Slice(时间切片)设置为1，Node type(节点类型)选择cite reference(引用文献)，LinkStrenth(连线强度)选择Consine算法，经过多次测试，Selection Criteria (选择标准)选择Threshold (阈值) (2，1，15)、(3，2，15)、(5，5，15)，Pruning (网络裁剪)选择Minimum Spanning Tree(最小生成树)。 (1)作者共被引分析：许多论文会引用相同一篇文章，作者共被引分析可以识别作者之间的关系，并可以分析研究群体的演变。使用CiteSpace共得到315个节点和725条连线的作者网络图，见图7。节点的大小反映了引用每个作者的数量，基于共被引频次建立了作者之间的间接的合作关系。节点带有紫圈表示具有高中介中心性(值大于0.1)，字体的大小也表示作者在整个网络的中介中心性大小。作者同时具有高被引次数和高中介中心性在整个网络中可以认为是研究主题的知识基础[23]。选取被引次数大于50和中介中心性大于0.1的作者，如此整个网络中具有代表性的6位作者被提取出来，见表3。此外，一些作者有高突现值，代表在短时间内作者的被引频率迅速提高。按照突变值排序，包括Farley CT(突变值=22.8，1997至2010)、Alexander RM(突变值=22.21，1993至2007)、Cavagna GA(突变值=21.79，1993至2007)、Biewener AA(突变值=16.06，2001至2011)、Mcmahon TA(突变值=15.83，1997至2007)、Blickhan R(突变值=13.77，1993至2011)、Seyfarth A(突变值=13.64，2003至2011)、Full RJ(突变值=11.66，1993至2011)、Mero A(突变值=11.23，2010至2013)、Mcclay I(突变值=10.63，2005至2011)。这些作者引导跑的生物力学的研究方向，具有代表性的意义。其中Cavanagh PR的文章具有较高的次被引、较高的中介中心性和较高的突变值(突变值= 10.49，1985-2004)。Cavanagh PR为美国宾夕法尼亚州立大学运动研究中心教授，重点研究步态和人体运动，有理由认为他的研究在跑的生物力学中奠定了一定的知识基础，具有较高的权威性。"

(2)引用文献的共被引分析：引用文献的共被引分析可以分析知识领域的基本知识结构，并展示引用文献的数量和权威性。在这一过程中，还可以确定共引集群，将被引文献进行聚类[4，23]。根据Web of Science™的被引次数，排名前20的引用文献总结在表4。图8和图9分别给出了包含315个节点和725个连接的引用文献共被引网络和引用文献共被引聚类。每个节点代表一篇文献，并标有第一作者的姓名和出版年份。每个连接表示2个对应文献之间的引用关系。节点大小表示节点文献的共引频率。"

  应当指出的是，在文献数据中检索到的1 619个文献中引用了32 317篇文献，但不一定显示在图中。根据被引次数，Lieberman等[24]、Squadrone等[25]，Perl等[26]位居前3位，被引次数分别是，96次、54次和43次。Lieberman等[24]研究了裸足与穿鞋跑者脚与地面碰撞所造成的影响。研究表明习惯裸足跑的运动员往往使用前足着地，并且在前足着地之前让足跟下降，相反穿鞋跑者大多习惯于足后跟着地。前足和中足着地的步态可能更常见于裸足跑或穿着较小鞋码的人，这种着地方式可以保护一些运动员的足和下肢因地面接触而受伤。这篇论文在2010年在《Nature》中发表。Squadrone等[25]在跑台对裸足跑，穿五指鞋跑和穿标准运动鞋跑做了比较。发现有经验的裸足跑者在地面材质发生变化时会改变自身的跑步模式，另外穿着五指鞋跑在模仿裸足跑的跑步状态同时能提供少量的有效保护。Perl等[26]测试了习惯穿着极简鞋或裸足的跑者，使他们穿着极简鞋和标准运动鞋在以3 m/s的速度以相同的着地方式在跑台跑。研究发现无论何种着地方式，穿着极简鞋的跑者相对于穿着传统运动鞋的跑者都以显著性的表现出适当的经济性。并且认为这种差异的原因可能是穿着极简鞋跑步过程中下肢具有更大的弹性势能的储存与释放。被引次数排名前三的文章都与裸足跑相关，可以看出裸足跑在跑的生物力学研究中有重要的地位。 此外，一些文献具有高突变值，代表在短时间内论文的被引频率迅速提高。按照突变值排序，包括 Seyfarth等[44](突变值=10.51，2003至2010)、van Gent等[42](突变值=9.87，2012至2015)、Farley等[45] (突变值=9.59，1997至2002)、Riley等[27](突变值=9.46，2010至2013)、Farley等[46](突变值=8.55，1997至2000)、Hasegawa等[37](突变值=8.24，2013至2015)、Noehren等[31](突变 致=7.99，2012至2015)、He等[47](突变值=7.54，1997至1999)、Snyder等[33](突变值=7.46，2011至2013)、Full等[48](突变值=7.15，2001至2013)。这些文献给跑的生物力学带来新的研究导向，具有创新性的意义。其中van   等[42]与Riley等[27]的文章具有较高的次被引数、较高的中介中心性和较高的突变值。有理由认为这两篇文章跑的生物力学中具有较高的重要性。 (3)引用文献的共被引聚类分析：使用CiteSpace对引用文献的共被引网络进行聚类，一共产生了33个聚类。CiteSpace中提供了聚类的评价指标Q，Q值是网络模块化的指标，当Q的取值 > 0.3时网络的社团结构是显著的[5]。Silhouette值是用于评价聚类效果的参数，最早是Trauwaert在1989年提出的，Silhouette值 > 0.5时可以认为聚类结果是合理的[49]。文章的共被引网咯聚类后的Q值为0.779，平均Silhouette值为0.626，可以认为聚类的网络社团结构显著，结果合理。其中在图9中显示了最大的11个聚类。文章按照聚类的大小对主要的7个聚类进行解读。  聚类号#0，Silhouette值为0.971，平均发表年份为1993年，代表主题词为Lizard(蜥蜴)和locomotion(移动)。此类主要是研究动物或人体的基本步态，在移动时将动物或人体看做弹簧质点系统进行研究。中介中心性最大的是Ferris等[50](中介中心性为0.14)在1977年发表的论文。排名第二的是Roberts等[51](中介中心性为0.1)在1997年发表在《Science》中的论文。Farley等[45]的论文突现值(9.59)最大。Ferris认为人体在跑的过程中腿部的刚度与地表面刚度相互影响。他对3名女性和2名男性通过测力台在6种不同表面上测量了腿部的弹性刚度(leg spring stiffness )和表面刚度(surface stiffness )。结果表示人类以调整腿的刚度来适应在跑步过程中的表面刚度的变化，然而神经反射在控制腿部刚度方面没有起到很大的作用。Roberts在火鸡的腓肠肌安装了超声微测距仪晶体以测量火鸡腿部的肌肉力量。结果表明跑步相比于游泳、跳跃等活动骨骼肌产生了另外一种机械机制。腿部的支撑是最具有经济性的，因为跑步时腿部在满足支撑力的同时最大限度的减小了机械功。Farley认为人体在跑步时下肢角度会随着步频的增加而减小，从而增加下肢的刚度。另外Farley也认为大型动物的弹簧质点系统垂直振动的共振周期较长。脚与地面接触的时间长度随身体质量的增加而增加，几乎与垂直振动的共振周期相同[46]。 聚类号#1，Silhouette值为0.731，平均发表年份为2008年，代表主题词为 patellofemoral pain syndrome (髌股关节疼痛综合征)。Snyder等[33]在此类中具有最高的中介中心性(0.08)。Dierks等[52]中介中心性排名第二(中介中心性为0.07)。Noehren等[31]在此类中具有最高的突现值(7.99)。此类主要是通过生物力学的方法研究跑的髋膝关节的损伤机制。Snyder等[33]对15名女性通过6周的闭合式髋关节旋转练习，使用运动捕捉系统在跑步期间收集下肢的三维生物力学数据。研究发现练习使髋外展肌和外旋肌肌力得到加强，引起下肢关节负荷改变，从而可以降低损伤风险。Dierks等[52]通过对20名患有髌股关节疼痛综合征(PFPS)跑者和20名健康跑者的横断面实验研究，发现在参与长期跑步前后髋关节外展力量和髋关节内收角度峰值。他认为髌股关节疼痛综合征患者具有较弱的髋关节外展肌，在跑步过程中会导致髋内收。Noehren[31]对一组健康的跑者进行了2年的追踪，其中18名跑者出现了髂胫束综合征(ITBS)。通过对患者髋膝的角度和力矩峰值进行比较，发现髋内收和膝内旋的力矩峰值增加可能导致髂胫束应变，从而压迫股骨外侧髁。  聚类号#2，Silhouette值为0.85，平均发表年份为2010年，代表主题词为footstrike pattern(着地模式)聚类中van[42]有最高的中介中心性(0.32)和突现值(9.87)。Hreljac[53]具有第二高的中介中心性(0.2)。Riley等[27]的文章具有第二高的突现值(9.46)。此类为通过生物力学的方法对跑步的着地模式进行的研究。van对长距离跑者下肢运动损伤的发生率和决定因素进行了综述，统计发现长距离跑者下肢损伤的发生率为19.4%-79.3%，其中膝关节为主要的损伤部位。另外发现男性跑者的每周的训练距离更长，具有受伤史的跑者更容易受伤。Hreljac发现具有相对较低的冲击力的快速前旋步伐的跑步模式可以减少跑步过度带来的风险伤害。Riley对20名受试者测量跑台与地面的运动学和动力学参数，结果发现跑台的运动学、动力学特征与地面相似，但膝关节的运动学、地面反作用力(GRF)峰值、关节力矩有显著性差别。另外，结果显示此类中如Squadrone等[25]、Lieberman等[24]、Daoud等[32]、Heiderscheit等[30]、Altman等[28]等都具有较高的被引次数，并且他们研究的主题都是跑在不同状态下或穿着不同鞋的footstrike pattern(着地模式)。  聚类号#3，Silhouette值为0.943，平均发表年份为2002年，代表主题词为anterior cruciate ligament injury(前交叉韧带损伤)。此聚类中具有最高的中介中心性的论文为Chang等[54](中介中心性为0.35)，Hewett 等[55]的中介中心(0.19)性排名第二。Boden等[56]具有最高的突现值(6.89)。此类主要通过测量跑、跳以及侧向运动时下肢肌肉韧带损伤的机制。Chang通过在跑台上改变跑者的重力和惯性力测量运动学和动力学的数据，发现产生最大的垂直力随重力而变化，但不随质量而变化。在跑步过程中，重力相比于惯性能对地面的垂直力和水平分力产生更大的影响。Hewett对参与足球、篮球、排球的205名女性运动员测量跳跃时下肢的关节角度和关节力矩，发现患有前交叉韧带断裂的运动员跳跃时的膝关节姿势与负荷与其他运动员有显著性不同。在跳跃落地时膝关节外翻和外展的负荷增加会增加女性运动员前交叉十字韧带的损伤风险。Boden运用调查和录像回顾的方法，对82名前交叉韧带损伤的运动员进行了问卷调查和对27次运动员前交叉韧带损伤的录像进行了回顾。研究发现非接触性前交叉韧带损伤大多发生在运动方向发生改变或落地之前的突然减速，并认为股四头肌对前交叉韧带的断裂起到主要的作用。  聚类号#4，Silhouette值为0.692，平均发表年份为2008年，代表主题词为human hamstring muscle(人体大腿后群肌)。Winter[57]发表的一本专著为此类中的最高中介中心性(0.12)和突现值(5.58)，Hamner等[40]中介中心性(0.1)排名第二。突现值排名第二的是Mero等[58]，突现值为4.74。此类主要研究跑的神经肌肉力学性质。Winter对人体运动的生物力学与神经控制作出了阐述，这本专著运用现代科学和技术与解剖学、肌肉生理学和肌电图结合起来评估和理解人体运动。Hamner开发了一种三维肌肉人体驱动的模拟系统，对跑的步态周期下肢肌肉进行了模拟。研究发现，跑的支撑早期阶段股四头肌是对支撑和制动具有最大的贡献，跑的支撑后期比目鱼肌和腓肠肌具有推进和支持的最大贡献。另外分析表明，股四头肌和跖屈肌肌力是运动过程中加速人体重心的主要因素。Mero利用测力台与高速摄像机对9名男子短跑运动员的冲刺开始阶段进行测量，使用运动学与动力学分析关节力矩和力量。结果表明，力量产生开始时，在阻滞阶段腓肠肌和比目鱼肌的初始肌腱长度有助于踝关节力矩峰值和力量的增加，从而在冲刺开始阶段产生更大的阻滞速度。  聚类号#5，Silhouette值为0.836，平均发表年份为2012年，代表主题词为fast running (快速跑)。此类中Bonacci等[34]具有最高的中介中心性(0.14)，Ridge等[59]有排名第二的中介中心性(0.05)。Perl等[26]具有最高的突变值(4.53)，已在上文中作阐述。此类主要穿着不同鞋的生物力学特征。Bonacci通过测量地面反作用力和运动学数据，对22名跑者在裸足和穿着极简鞋、板鞋、普通运动鞋的情况下的差异进行了比较。结果显示，裸足跑在膝和踝关节的运动学及动力学参数上与穿鞋跑的参数之间存在显著差异。裸足跑在膝踝关节上的做功发生改变。Ridge对36名有经验的休闲跑者分成两组，对照组穿着传统的跑鞋，实验组从穿着传统跑鞋逐渐过渡到极简跑鞋。通过10周的测试，对下肢进行核磁共振成像。结果发现穿实验组在10周后有10/19的跑者骨骼中的骨髓水肿显著性增加。  聚类号#6，Silhouette值为0.933，平均发表年份为2002年，代表主题词为passive mechanical properties (被动机械性能)。Seyfarth等[44]的中介中心性最高(0.13)同时也具有最高的突现值(10.51)，排名第二的为Full 等[60](中介中心性为0.06)。此类主要是通过生物力学的方法来研究跑的平衡稳定机制。Seyfarth讨论了跑步动作的标准，他认为跑在对于确定的下肢攻角而言，如果速度增加，腿部的刚度需要适当调整则人体系统会变得稳定。而在给定速度的情况下，腿部几乎都是使用最大的力量来实现稳定的跑步模式。Full让6位受试者从柔软的表面跑到坚硬的表面，发现在跑步的支撑时期，人体重心的的垂直位置并不受地面硬度的影响，跑者可以通过快速调整腿部的刚度来实现在不同表面的过渡。 2.4 跑的生物力学历史演进  根据图9的聚类以及高中介中心性高的引文节点，以对跑的生物力学主要历史演进进行归纳。从图中可以看出在1997年以前跑的生物力学主要将人体或动物看做弹簧质点系统研究其基本步态以及下肢的刚度。1999年Minetti等[61]研究了马的机械功与能量的消耗，此后跑的生物力学研究对能量节约的力学机制开始进行研究。在2000年后Chang等[54]对跑步时地面的垂直力与水平分力进行了研究，学者们对交叉韧带的损伤机制开始产生兴趣。以Chang的论文为基础，2002年，Hreljac[53]研究了跑步的模式，此后跑步的模式研究开始增加，同年Seyfarth等[44]对跑步的标准动作进行了探讨，学者们对跑步支撑的稳定和平衡性进行研究增多，同年Hamner等[40]将人体通过肌肉驱动进行模拟，跑的生物力学开始对肌肉的力学性质为研究热点。2005年在以Hewett等[55]的跑的前交叉韧带损伤的机制研究基础上开始与跑步的模式相结合，学者对髌股关节疼痛综合征的研究兴趣开始增加。2007年van Gent等[42]对长距离跑者的损伤进行了调查，此后跑的生物力学开始关注长距离的跑并以跑步的着地方式作为切入点，另外也有学者与生理学结合研究跑的经济性。2010年Lieberman等[24]在《Nature》发表了裸足跑着地方式的研究，此后裸足跑的研究增加。2013年Bonacci等[34]对裸足和穿着不同的鞋的生物力学研究，之后穿着不同鞋的生物力学开始逐渐成为研究热点。 2.5 跑的生物力学文献关键词分析  论文中标引出的关键词能够反映出文章的核心观点，是值得信赖的指   标[62]。CiteSpace分析文献数据的关键词可以挖掘某研究主题的前沿和热点。将文献数据导入CiteSpace中，设置Time Slicing(时间跨度)为1985至2017年，Years Per Slice(时间切片)设置为1，Node type(节点类型)选择Keyword(关键词)，LinkStrenth(连线强度)选择Consine算法，Selection Criteria (选择标准)为Top 30%，Pruning (网络裁剪)选择Minimum Spanning Tree(最小生成树)。Visualization(可视化)选择为Timezone View(时区视图)，生成关键词图谱。图中节点的大小代表关键词出现测次数，节点环代表年轮，字体的大小代表中介中心性，节点外有紫圈表示具有高中介中心性(大于0.1)，节点内的红圈代表关键词具有高突现值。CiteSpace中的参数中介中心性(Centranlity)是测度节点在网络中重要性的指标，数值越大则在网络中的重要性越高，见图10。"

  2.5.1 高频和高中介中心性关键词 根据表5，KINEMATICS(运动学)位居关键词出现频次榜首，walking(行走)、移动(locomotion)、gait(步态)、injury(损伤)位居四五位。中介中心性最高的关键词为muscle(肌肉)，其次分别为performance(表现)、runner(跑者)、ground reaction force(地面反作用力)、knee(膝)。通过分析可知关键词运动学和地面的反作用力代表主要的研究方法。可以认为关键词肌肉、运动表现、步态、损伤、膝、力、髋关节、速度代表着跑的生物力学的研究的中心和研究热点。"