MétaCan
Menu
Retour à la cohorte
Enregistrement W2119383013 · doi:10.1152/jn.00085.2009

Temporal Evolution of “Automatic Gain-Scaling”

2009· article· en· W2119383013 sur OpenAlexaff
J. Andrew Pruszynski, Isaac Kurtzer, Timothy Lillicrap, Stephen H. Scott

Notice bibliographique

RevueJournal of Neurophysiology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésScalingLatency (audio)PhysicsPerturbation (astronomy)BrachioradialisControl theory (sociology)NeuroscienceMathematicsComputer sciencePsychologyElectromyographyArtificial intelligenceGeometry

Résumé

récupéré en direct d'OpenAlex

The earliest neural response to a mechanical perturbation, the short-latency stretch response (R1: 20-45 ms), is known to exhibit "automatic gain-scaling" whereby its magnitude is proportional to preperturbation muscle activity. Because gain-scaling likely reflects an intrinsic property of the motoneuron pool (via the size-recruitment principle), counteracting this property poses a fundamental challenge for the nervous system, which must ultimately counter the absolute change in load regardless of the initial muscle activity (i.e., show no gain-scaling). Here we explore the temporal evolution of gain-scaling in a simple behavioral task where subjects stabilize their arm against different background loads and randomly occurring torque perturbations. We quantified gain-scaling in four elbow muscles (brachioradialis, biceps long, triceps lateral, triceps long) over the entire sequence of muscle activity following perturbation onset-the short-latency response, long-latency response (R2: 50-75 ms; R3: 75-105 ms), early voluntary corrections (120-180 ms), and steady-state activity (750-1250 ms). In agreement with previous observations, we found that the short-latency response demonstrated substantial gain-scaling with a threefold increase in background load resulting in an approximately twofold increase in muscle activity for the same perturbation. Following the short-latency response, we found a rapid decrease in gain-scaling starting in the long-latency epoch ( approximately 75-ms postperturbation) such that no significant gain-scaling was observed for the early voluntary corrections or steady-state activity. The rapid decrease in gain-scaling supports our recent suggestion that long-latency responses and voluntary control are inherently linked as part of an evolving sensorimotor control process through similar neural circuitry.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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

Citations169
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207