MétaCan
Menu
Retour à la cohorte
Enregistrement W2168397689 · doi:10.1109/tnsre.2007.906963

Dynamic Stability of Spine Using Stability-Based Optimization and Muscle Spindle Reflex

2008· article· en· W2168397689 sur OpenAlexaff
Shahrokh Zeinali‐Davarani, H. Hemami, Kamran Barin, A. Shirazi‐Adl, Mohamad Parnianpour

Notice bibliographique

RevueIEEE Transactions on Neural Systems and Rehabilitation Engineering · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesSharif University of Technology
Mots-clésControl theory (sociology)Muscle spindleReflexStretch reflexTrunkPerturbation (astronomy)PhysicsAnatomyAfferentComputer scienceNeuroscienceMedicineBiology

Résumé

récupéré en direct d'OpenAlex

A computational method for simulation of 3-D movement of the trunk under the control of 48 anatomically oriented muscle actions was developed. Neural excitation of muscles was set based on inverse dynamics approach along with the stability-based optimization. The effect of muscle spindle reflex response on the trunk movement stability was evaluated upon the application of a perturbation moment. The method was used to simulate the trunk movement from the upright standing to 60 degrees of flexion. Incorporation of the stability condition as an additional constraint in the optimization resulted in an increase in antagonistic activities demonstrating that the antagonistic co-activation acts to increase the trunk stability in response to self-induced postural internal perturbation. In presence of a 30 Nm flexion perturbation moment, muscle spindles decreased the induced deviation of the position and velocity profiles from the desired ones. The stability-generated co-activation decreased the reflexive response of muscle spindles to the perturbation demonstrating that the rise in muscle co-activation can ameliorate the corruption of afferent neural sensory system at the expense of higher loading of the spine.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations41
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Neural Systems and Rehabilitation EngineeringMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207