Neuromechanics of Muscle Synergies During Cycling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Muscle synergies have been proposed as building blocks that could simplify the construction of motor behaviors. However, the muscles within synergistic groups may have different architectures, mechanical linkages to the skeleton, and biochemical properties, and these put competing demands on the most appropriate way to activate them for different mechanical tasks. This study identifies the extent to which synergistic patterns of muscle activity vary when the mechanical demands on a limb were altered, and additionally identifies how consistent the spectral profiles of the electromyographic (EMG) intensities were across the different movement tasks. The muscle activities were measured with surface EMG across 10 muscles in the leg during cycling at a range of loads and velocities. The EMGs were quantified by their intensities in time-frequency space using wavelet analysis; the instantaneous patterns of activity identified using principal component analysis, statistically compared and further visualized using the varimax rotation. Variability (35.7%) in the patterns of activity between the muscles were correlated with the torque and velocity of the pedal crank. Anatomic groups of muscles share a common mechanical action across a joint; uncoupling between such muscles was identified in 68.8% of the varimax patterns that encompassed all 10 muscles and 20.8-29.5% of the activity patterns when the anatomic groups were analyzed separately. The EMG spectra showed greatest heterogeneity for the gastrocnemii. These results show that the activity of muscles within anatomic groups is partially uncoupled in response to altered mechanical demands on the limb.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle