MétaCan
Menu
Retour à la cohorte
Enregistrement W2112942310 · doi:10.1152/jn.00742.2002

Kinematics and Kinetics of Multijoint Reaching in Nonhuman Primates

2003· article· en· W2112942310 sur OpenAlexaff
Kirsten M. Graham, Kimberly D. Moore, D. William Cabel, Paul L. Gribble, Paul Cisek, Stephen H. Scott

Notice bibliographique

RevueJournal of Neurophysiology · 2003
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversité de MontréalQueen's University
Organismes subventionnairesnon disponible
Mots-clésKinematicsMovement (music)ElbowMotor controlDynamics (music)BiomechanicsMotion (physics)Joint (building)PsychologyNeuroscienceComputer scienceCommunicationPhysical medicine and rehabilitationArtificial intelligencePhysicsAnatomyBiologyEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

The present study identifies the mechanics of planar reaching movements performed by monkeys (Macaca mulatta) wearing a robotic exoskeleton. This device maintained the limb in the horizontal plane such that hand motion was generated only by flexor and extensor motions at the shoulder and elbow. The study describes the kinematic and kinetic features of the shoulder, elbow, and hand during reaching movements from a central target to peripheral targets located on the circumference of a circle: the center-out task. While subjects made reaching movements with relatively straight smooth hand paths and little variation in peak hand velocity, there were large variations in joint motion, torque, and power for movements in different spatial directions. Unlike single-joint movements, joint kinematics and kinetics were not tightly coupled for these multijoint movements. For most movements, power generation was predominantly generated at only one of the two joints. The present analysis illustrates the complexities inherent in multijoint movements and forms the basis for understanding strategies used by the motor system to control reaching movements and for interpreting the response of neurons in different brain regions during this task.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 GPT0,267
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations98
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207