Influence of different control strategies on muscle activation patterns in trunk muscles
Notice bibliographique
Résumé
Adequate training of the trunk muscles is essential to prevent low back pain. Although sit-ups are simple to perform, the perceived high effort is the reason why training the abdominal muscles is seldom continued over a longer period of time. It is well known that the abdominal muscles are inferior to the back muscles in terms of force, but this cannot explain the extreme difference in perceived effort between trunk flexion and extension tasks. Therefore, this study was aimed at the identification of control strategy influences on the muscular stress level. Thirty-nine subjects were investigated. The performed tasks were restricted to the sagittal plane and were implemented with simulated and realized tilt angles. Subjects were investigated in an upright position with their lower bodies fixed and their upper bodies free. Posture-controlled tasks involved graded forward and backward tilting, while force-controlled tasks involved the application of force based on a virtual tilt angle. The Surface EMG (SEMG) was taken from five trunk muscles on both sides. Control strategies seemed to have no systematic influence on the SEMG amplitudes of the back muscles. In contrast, the abdominal muscles exhibited significantly higher stress levels under posture-controlled conditions without relevantly increasing antagonistic co-activation of back muscles. The abdominal muscles' relative differences ranged from an average of 20% for the external oblique abdominal muscle to approximately 40% for the rectus abdominal muscle. The perceived high effort expended during sit-ups can now be explained by the posture-controlled contractions that are required.
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 | 0,001 |
| 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 ».