MétaCan
Menu
Retour à la cohorte
Enregistrement W2133489339 · doi:10.1682/jrrd.2011.03.0047

Effect of velocity on shoulder muscle recruitment patterns during wheelchair propulsion in nondisabled individuals: Pilot study

2012· article· en· W2133489339 sur OpenAlexaff
Liping Qi, James M. Wakeling, Simon Grange, Martin Ferguson-Pell

Notice bibliographique

RevueThe Journal of Rehabilitation Research and Development · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésElectromyographyWheelchairPropulsionManual wheelchairPhysical medicine and rehabilitationMuscle fatigueLeg muscleSimulationMedicinePhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigated how the recruitment patterns of shoulder muscles were influenced by wheelchair propulsion speed. Electromyography (EMG) activity of seven muscles was recorded with surface electrodes on 15 nondisabled subjects during wheelchair propulsion on a stationary ergometer. Kinetic data were measured by a SmartWheel. EMG total intensities were calculated to describe the muscle activation level, while the angles formed by first principal component and second principal component loading scores were calculated to describe the spectral content of EMG signals. Significant differences were observed in kinetic variables between the two testing speeds (p < 0.05). The EMG intensity of the tested muscles increased significantly with increased speed (p < 0.05). The push muscles showed a longer EMG duration, whereas the recovery muscles exhibited significantly earlier EMG onset and peak activities at the fast speed. The smaller angle values in the fast propulsion speed indicated that faster motor units were recruited to match the mechanical requirement for the faster motion. Pushing a manual wheelchair at a faster speed not only requires a higher level of propulsive muscle activity but also a higher level of recovery muscle activation.

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)0,019
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,161
Tête enseignante GPT0,462
Écart entre enseignants0,301 · 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'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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rehabilitation Research and DevelopmentMême sujetSpinal Cord Injury ResearchTravaux en français237 207