Effects of Fast Functional Exercise on Muscle Activity After Stroke
Notice bibliographique
Résumé
BACKGROUND: In stroke rehabilitation, considerable emphasis is placed on improving muscle strength with less focus on the speed of movement. Muscle power (product of force and velocity) is essential for balance and mobility but velocity of movement is impaired after stroke. OBJECTIVE: The purpose of this efficacy study is to determine if a single session of fast functional movements can increase muscle activation and the speed of movement in participants with a subacute stroke. METHODS: In total, 32 individuals poststroke and 32 age- and sex-matched controls performed a single session of 50 fast squats and steps. Electromyographic (EMG) activity was measured bilaterally in the rectus femoris (RF), biceps femoris (BF), tibialis anterior (TA), and soleus muscles. The average EMG area and the movement speed were calculated over 10 trials. The effect of exercise was determined as the change from the second set (Start) to the last set (End) of 10 trials. RESULTS: The stroke group had significant increases in EMG area of the TA, BF, and RF during the squatting exercise. There was an increase in EMG area of the RF and BF when the paretic leg was stepping. Improvements in EMG area of the soleus and RF when the paretic leg was in stance accompanied increases in EMG area when the nonparetic leg was stepping. There was a trend for improved movement speed for both exercises. CONCLUSION: A single session of exercises emphasizing speed of movement can be used to improve muscle activation in persons with mild to moderately severe strokes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».