Neuromotor and Musculoskeletal Responses to Locomotor Training for an Individual With Chronic Motor Complete AIS-B Spinal Cord Injury
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: To determine the effects of locomotor training (LT) using body weight support (BWS), treadmill, and manual assistance on muscle activation, bone mineral density (BMD), and body composition changes for an individual with motor complete spinal cord injury (AIS B), 1 year after injury. METHODS: A man with chronic C6 AIS B (motor complete and sensory incomplete) spinal cord injury (SCI), 1 year after injury, completed 2 blocks of LT over a 9-month training period (35-session block followed by 8.6 weeks of no training and then a 62-session block). RESULTS: Before training, muscle activation was minimal for any muscle examined, whereas after the 2 blocks of LT (97 sessions), hip and knee muscle activation patterns for the bilateral rectus femoris, biceps femoris, and gastrocnemius were in phase with the kinematics. Mean EMG amplitude increased for all bilateral muscles and burst duration increased for rectus femoris and gastrocnemius muscles, whereas burst duration decreased for the biceps femoris after 62 LT sessions. Before LT, left biceps femoris had a pattern that reflected muscle stretch, whereas after training, muscle stretch of the left biceps femoris could not totally account for mean EMG amplitude or burst duration. After the 62 training sessions, total BMD decreased (1.54%), and regional BMD decreased (legs: 6.72%). Total weight increased, lean mass decreased (6.6%), and fat mass increased (7.4%) in the arms, whereas fat mass decreased (3.5%) and lean mass increased (4%) in the legs. CONCLUSIONS: LT can induce positive neural and body composition changes in a nonambulatory person with chronic SCI, indicating that neuromuscular plasticity can be induced by repetitive locomotor training after a motor complete SCI.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».