Decomposition‐based quantitative electromyography: Effect of force on motor unit potentials and motor unit number estimates
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
Decomposition-based quantitative electromyography (DQEMG) allows for the collection of motor unit potentials (MUPs) over a broad range of force levels. Given the size principle of motor unit recruitment, it may be necessary to control for force when using DQEMG for the purpose of deriving a motor unit number estimate (MUNE). Therefore, this study was performed to examine the effect of force on the physiological characteristics of concentric needle- and surface-detected MUPs and the subsequent impact on MUNEs obtained from the first dorsal interosseous (FDI) muscle sampled using DQEMG. Maximum M waves were elicited in 10 subjects with supramaximal stimulation of the ulnar nerve at the wrist. Intramuscular and surface-detected EMG signals were collected simultaneously during 30-s voluntary isometric contractions performed at specific percentages of maximal voluntary contraction (MVC). Decomposition algorithms were used to identify needle-detected MUPs and their individual MU firing times. These MU firing times were used as triggers to extract their corresponding surface-detected MUPs (S-MUPs) using spike-triggered averaging. A mean S-MUP was then calculated, the size of which was divided into the maximum M-wave size to derive a MUNE. Increased levels of contraction had a significant effect on needle- and surface-detected MUP size, firing rate, and MUNE. These results suggest that force level is an important factor to consider when performing quantitative EMG, including MUNEs with this method.
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 | 0,001 |
| 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 découle