Modeling investigation of learning a fast elbow flexion in the horizontal plane—prediction of muscle forces and motor units action
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Experimental investigation of practicing a dynamic, goal-directed movement reveals significant changes in kinematics. Modeling can provide insight into the alterations in muscle activity, associated with the kinematic adaptations, and reveal the potential motor unit (MU) firing patterns that underlie those changes. In this paper, a previously developed muscle model and software (Raikova and Aladjov, Journal of Biomechanics, 35, 2002) have been used to investigate changes in MU control, while practicing fast elbow flexion to a target in the horizontal plane. The first trial (before practice) and the last trial (after extensive practice) of two subjects have been simulated. The inputs for the simulation were the calculated external moments at the elbow joint. The external moments were countered by the action of three flexor muscles and two extensor ones. The muscles have been modeled as a mixture of MUs of different types. The software has chosen the MU firing times necessary to accomplish the movement. The muscle forces and MUs firing statistics were then calculated. Three hypotheses were tested and confirmed: (1) peak muscle forces and antagonist co-contraction increase during training; (2) there is an increase in the firing frequency and the synchronization between MUs; and (3) the recruitment of fast-twitch MUs dominates the action.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle