Role of motor cortex in coordinating multi-joint movements: Is it time for a new paradigm?
Notice bibliographique
Résumé
Reaching movements to spatial targets require motor patterns at the shoulder to be coordinated carefully with those at the elbow to smoothly move the hand through space. While the motor cortex is involved in this volitional task, considerable debate remains about how this cortical region participates in planning and controlling movement. This article reviews two opposing interpretations of motor cortical function during multi-joint movements. On the one hand, studies performed predominantly on single-joint movement generally support the notion that motor cortical activity is intimately involved in generating motor patterns at a given joint. In contrast, studies on reaching demonstrate correlations between motor cortical activity and features of movement related to the hand, suggesting that the motor cortex may be involved in more global features of the task. Although this latter paradigm involves a multi-joint motor task in which neural activity is correlated with features of movement related to the hand, this neural activity is also correlated to other movement variables. Therefore it is difficult to assess if and how the motor cortex contributes to the coordination of motor patterns at different joints. In particular, present paradigms cannot assess whether motor cortical activity contributes to the control of one joint or multiple joints during whole-arm tasks. The final point discussed in this article is the development of a new experimental device (KINARM) that can both monitor and manipulate the mechanics of the shoulder and elbow independently during multi-joint motor tasks. It is hoped that this new device will provide a new approach for examining how the motor cortex is involved in motor coordination.
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) | 0,003 | 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 ».