MétaCan
Menu
Retour à la cohorte
Enregistrement W2109714611 · doi:10.1152/jn.91188.2008

Limb Stiffness Is Modulated With Spatial Accuracy Requirements During Movement in the Absence of Destabilizing Forces

2009· article· en· W2109714611 sur OpenAlexaff
Jeremy D. Wong, Elizabeth T. Wilson, Nicole Malfait, Paul L. Gribble

Notice bibliographique

RevueJournal of Neurophysiology · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésStiffnessWork (physics)Movement (music)TorqueControl theory (sociology)Visual controlMotor controlComputer scienceSimulationPhysicsArtificial intelligenceEngineeringAcousticsStructural engineeringPsychologyControl (management)Neuroscience

Résumé

récupéré en direct d'OpenAlex

The motor system can use a number of mechanisms to increase movement accuracy and compensate for perturbing external forces, interaction torques, and neuromuscular noise. Empirical studies have shown that stiffness modulation is one adaptive mechanism used to control arm movements in the presence of destabilizing external force loads. Other work has shown that arm muscle activity is increased at movement end for reaching movements to small visual targets and that changes in stiffness at movement end are oriented to match changes in visual accuracy requirements such as target shape. In this study, we assess whether limb stiffness is modulated to match spatial accuracy requirements during movement, conveyed using visual stimuli, in the absence of external force loads. Limb stiffness was estimated in the middle of reaching movements to visual targets located at the end of a narrow (8 mm) or wide (8 cm) visual track. When greater movement accuracy was required, we observed modest but reliable increases in limb stiffness in a direction perpendicular to the track. These findings support the notion that the motor system uses stiffness control to augment movement accuracy during movement and does so in the absence of external unstable force loads, in response to changing accuracy requirements conveyed using visual cues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,277
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207