Timing-Specific Transfer of Adapted Muscle Activity After Walking in an Elastic Force Field
Notice bibliographique
Résumé
Human locomotion results from interactions between feedforward (central commands from voluntary and automatic drive) and feedback (peripheral commands from sensory inputs) mechanisms. Recent studies have shown that locomotion can be adapted when an external force is applied to the lower limb. To better understand the neural control of this adaptation, the present study investigated gait modifications resulting from exposure to a position-dependent force field. Ten subjects walked on a treadmill before, during, and after exposure to a force field generated by elastic tubing that pulled the foot forward and up during swing. Lower limb kinematics and electromyographic (EMG) activity were recorded during each walking period. During force field exposure, peak foot velocity was initially increased by 38%. As subjects adapted, peak foot velocity gradually returned to baseline in <or=125 strides. In the adapted state, hamstring EMG activity started earlier (16% before toe off) and remained elevated throughout swing. After force field exposure, foot velocity was initially reduced by 22% and returned to baseline in 9-51 strides. Aftereffects in hamstring EMGs consisted of increased activity around toe off. Contrary to the adapted state, this increase was not maintained during the rest of swing. Together, these results suggest that while the neural control of human locomotion can adapt to force field exposure, the mechanisms underlying this adaptation may vary according to the timing in the gait cycle. Adapted hamstring EMG activity may rely more on feedforward mechanisms around toe off and more on feedback mechanisms during the rest of swing.
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 | 0,000 |
| 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 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 ».