Distinct fast and slow processes contribute to the selection of preferred step frequency during human walking
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
Humans spontaneously select a step frequency that minimizes the energy expenditure of walking. This selection might be embedded within the neural circuits that generate gait so that the optimum is pre-programmed for a given walking speed. Or perhaps step frequency is directly optimized, based on sensed feedback of energy expenditure. Direct optimization is expected to be slow due to the compounded effect of delays and iteration, whereas a pre-programmed mechanism presumably allows for faster step frequency selection, albeit dependent on prior experience. To test for both pre-programmed selection and direct optimization, we applied perturbations to treadmill walking to elicit transient changes in step frequency. We found that human step frequency adjustments (n = 7) occurred with two components, the first dominating the response (66 ± 10% of total amplitude change; mean ± SD) and occurring quite quickly (1.44 ± 1.14 s to complete 95% of total change). The other component was of smaller amplitude (35 ± 10% of total change) and took tens of seconds (27.56 ± 16.18 s for 95% completion). The fast process appeared to be too fast for direct optimization and more indicative of a pre-programmed response. It also persisted even with unusual closed-loop perturbations that conflicted with prior experience and rendered the response energetically suboptimal. The slow process was more consistent with the timing expected for direct optimization. Our interpretation of these results is that humans may rely heavily on pre-programmed gaits to rapidly select their preferred step frequency and then gradually fine-tune that selection with direct optimization.
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 | 0,000 | 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 découle