MétaCan
Menu
Retour à la cohorte
Enregistrement W2028261745 · doi:10.1063/1.3147404

Neuromechanical considerations for incorporating rhythmic arm movement in the rehabilitation of walking

2009· article· en· W2028261745 sur OpenAlexaff
Marc Klimstra, Evan Thomas, Rebecca H. Stoloff, Daniel P. Ferris, E. Paul Zehr

Notice bibliographique

RevueChaos An Interdisciplinary Journal of Nonlinear Science · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensInternational Collaboration On Repair DiscoveriesUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésKinematicsPhysical medicine and rehabilitationRhythmElectromyographyTrunkSwingTreadmillComputer scienceRehabilitationMovement (music)Task (project management)Functional movementLumbarBiomechanicsMedicinePhysical therapyEngineeringAnatomyPhysics

Résumé

récupéré en direct d'OpenAlex

We have extensively used arm cycling to study the neural control of rhythmic movements such as arm swing during walking. Recently rhythmic movement of the arms has also been shown to enhance and shape muscle activity in the legs. However, restricted information is available concerning the conditions necessary to maximally alter lumbar spinal cord excitability. Knowledge on the neuromechanics of a task can assist in the determination of the type, level, and timing of neural signals, yet arm swing during walking and arm cycling have not received a detailed neuromechanical comparison. The purpose of this research was to provide a combined neural and mechanical measurement approach that could be used to assist in the determination of the necessary and sufficient conditions for arm movement to assist in lower limb rehabilitation after stroke and spinal cord injury. Subjects performed three rhythmic arm movement tasks: (1) cycling (cycle); (2) swinging while standing (swing); and (3) swinging while treadmill walking (walk). We hypothesized that any difference in neural control between tasks (i.e., pattern of muscle activity) would reflect changes in the mechanical constraints unique to each task. Three-dimensional kinematics were collected simultaneously with force measurement at the hand and electromyography from the arms and trunk. All data were appropriately segmented to allow a comparison between and across conditions and were normalized and averaged to 100% movement cycle based on shoulder excursion. Separate mathematical principal components analysis of kinematic and neural variables was performed to determine common task features and muscle synergies. The results highlight important neural and mechanical features that distinguish differences between tasks. For example, there are considerable differences in the anatomical positions of the arms during each task, which relate to the moments experienced about the elbow and shoulder. Also, there are differences between tasks in elbow flexion/extension kinematics alongside differential muscle activation profiles. As well, mechanical assistance and constraints during all tasks could affect muscle recruitment and the functional role of muscles. Overall, despite neural and mechanical differences, the results are consistent with conserved common central motor control mechanisms operational for cycle, walk, and swing but appropriately sculpted to demands unique to each task. However, changing the mechanical parameters could affect the role of afferent feedback altering neural control and the coupling to the lower limbs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,307
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChaos An Interdisciplinary Journal of Nonlinear ScienceMême sujetMuscle activation and electromyography studiesTravaux en français237 207