Method to Reduce Muscle Fatigue During Transcutaneous Neuromuscular Electrical Stimulation in Major Knee and Ankle Muscle Groups
Notice bibliographique
Résumé
BACKGROUND: A critical limitation with transcutaneous neuromuscular electrical stimulation as a rehabilitative approach is the rapid onset of muscle fatigue during repeated contractions. We have developed a method called spatially distributed sequential stimulation (SDSS) to reduce muscle fatigue by distributing the center of electrical field over a wide area within a single stimulation site, using an array of surface electrodes. OBJECTIVE: To extend the previous findings and to prove feasibility of the method by exploring the fatigue-reducing ability of SDSS for lower limb muscle groups in the able-bodied population, as well as in individuals with spinal cord injury (SCI). METHODS: SDSS was delivered through 4 active electrodes applied to the knee extensors and flexors, plantarflexors, and dorsiflexors, sending a stimulation pulse to each electrode one after another with 90° phase shift between successive electrodes. Isometric ankle torque was measured during fatiguing stimulations using SDSS and conventional single active electrode stimulation lasting 2 minutes. RESULTS: We demonstrated greater fatigue-reducing ability of SDSS compared with the conventional protocol, as revealed by larger values of fatigue index and/or torque peak mean in all muscles except knee flexors of able-bodied individuals, and in all muscles tested in individuals with SCI. CONCLUSIONS: Our study has revealed improvements in fatigue tolerance during transcutaneous neuromuscular electrical stimulation using SDSS, a stimulation strategy that alternates activation of subcompartments of muscles. The SDSS protocol can provide greater stimulation times with less decrement in mechanical output compared with the conventional protocol.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».