Effect of trunk rotation and arm position on gross upper extremity adduction strength and muscular activity
Notice bibliographique
Résumé
The aim of the experiment was to determine the impact of axial trunk rotation and arm position on upper extremity adduction force and muscle activity. Ten healthy male subjects performed graded maximum voluntary contractions under isometric conditions in seven upper extremity positions and three trunk postures (neutral and 90 degrees left/right rotated) in a simulated manual materials handling task. A custom built lightweight force-measuring device was held between the palmar surfaces of the hands and subjects compressed the lateral surfaces of the device. Muscle activity was recorded bilaterally over the muscle bellies of the anterior deltoid, the long head of the biceps brachii and over the flexor carpi radialis. The activity of the right pectoralis major was also recorded unilaterally. Descriptive, multivariate analysis of variance (MANOVA) and post-hoc Scheffé comparisons were performed on the mean and peak force as well as the EMG [electromyographic] data. Further analysis was performed on the force-EMG relationship at 20% intervals of maximum voluntary contraction (force). Both upper extremity adduction force and EMG were significantly affected by position (p<0.01) but not by trunk rotation. The muscle activity increased and force decreased with flexion of the upper extremity. Pearson correlation coefficients between force and EMG were low. The biceps and flexors were the most active muscles depending upon upper extremity position, and the right pectoralis major muscle activity expressed the highest correlation with force. The present findings confirm earlier hypotheses that upper extremity adduction strength is not significantly affected by trunk rotation.
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) | 0,000 | 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 ».