A comparison of task and muscle specific isometric submaximal electromyography data normalization techniques
Notice bibliographique
Résumé
The submaximal, constrained nature of joystick manipulation makes it difficult to select an appropriate technique for upper limb electromyography (EMG) normalization. The purpose of this study was to determine an appropriate submaximal isometric normalization method to quantify EMG from shoulder muscle activation in hydraulic-actuation joystick operators that could later be implemented in field settings. Surface EMG data were collected from the upper trapezius, posterior deltoid, and anterior deltoid of seventeen subjects while operating a hydraulic-actuation joystick. EMG data were normalized using two techniques: muscle specific (mRVC) and task specific (three joystick positions: start-tRVCStart, middle-tRVCMiddle and end-tRVCEnd). No significant differences (p ⩽ 0.05) were observed for intersubject coefficient of variation (CV) between normalization procedures (mRVC, tRVCStart, tRVCMiddle tRVCEnd, un-normalized). These equivocal findings do not favour the use of any one of the submaximal normalization procedures over another. However, though not statistically significant, the un-normalized (0.68 ± 0.15) CVs were lower than those of normalized ensembles (0.96 ± 0.24) suggesting that for constrained, submaximal tasks, it may not be necessary to normalize EMG. Although this analysis was applied to upper limb EMG during joystick manipulation, the results have potential application to other submaximal upper limb tasks which are constrained and repetitive in nature thus including many assembly line jobs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».