Step Training-Dependent Plasticity in Spinal Cutaneous Pathways
Notice bibliographique
Résumé
Plasticity after spinal cord injury can be initiated by specific patterns of sensory feedback, leading to a reorganization of spinal networks. For example, proprioceptive feedback from limb loading during the stance phase is crucial for the recovery of stepping in spinal-injured animals and humans. Our recent results showed that step training modified transmission from group I afferents of extensors in spinal cats. However, cutaneous afferents are also activated during locomotion and are necessary for proper foot placement in spinal cats. We therefore hypothesized that step training would also modify transmission in cutaneous pathways to facilitate recovery of stepping. We tested transmission in cutaneous pathways by comparing intracellular responses in lumbar motoneurons (n = 136) in trained (n = 11) and untrained (n = 7) cats spinalized 3-5 weeks before the acute electrophysiological experiment. Three cutaneous nerves were stimulated, and each evoked up to three motoneuronal responses mediated by at least three different pathways. Overall, of 71 cutaneous pathways tested, 10 were modified by step training: transmission was reduced in 7 and facilitated in 3. Remarkably, 6 of 10 involved the medial plantar nerve innervating the plantar surface of the foot, including two of the facilitated pathways. Because the cutaneous reflexes are exaggerated after spinalization, we interpret the decrease in most pathways as a normalization of cutaneous transmission necessary to recover locomotor movements. Overall, the results showed a high degree of specificity in plasticity among cutaneous pathways and indicate that transmission of skin inputs signaling ground contact, in particular, is modified by step training.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».