MétaCan
Menu
Retour à la cohorte
Enregistrement W2168804768 · doi:10.1682/jrrd.2012.06.0109

Coordination patterns of shoulder muscles during level-ground and incline wheelchair propulsion

2013· article· en· W2168804768 sur OpenAlexaff
Liping Qi, James M. Wakeling, Simon Grange, Martin Ferguson-Pell

Notice bibliographique

RevueThe Journal of Rehabilitation Research and Development · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWheelchairElectromyographyPropulsionPhysical medicine and rehabilitationManual wheelchairGround reaction forceWork (physics)Cycle ergometerSimulationKinematicsEngineeringComputer scienceMedicinePhysicsAerospace engineeringHeart rateMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to investigate how the coordination patterns of shoulder muscles change with level-ground and incline wheelchair propulsion. Wheelchair kinetics and electromyography (EMG) activity of seven muscles were recorded with surface electrodes for 15 nondisabled subjects during wheelchair propulsion on a stationary ergometer and wooden ramp (4 degree slope). Kinetic data were measured by a SmartWheel. The kinetics variables and the onset, cessation, and duration of EMG activity from seven muscles were compared with paired t-tests for two sessions. Muscle coordination patterns across seven muscles were analyzed by principal component analysis. Push forces on the push rim and the percentage of push phase in the cycle increased significantly during incline propulsion. Propulsion condition and posture affected muscle coordination patterns. During incline propulsion, there was more intense and longer EMG activity of push muscles in the push phase and less EMG activity of the recovery muscles, which corresponded with the increased kinetic data total force output and longer push phase in the incline condition. This work establishes a framework for developing a performance feedback system for wheelchair users to better coordinate their muscle patterning activity.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 Opus0,095
Tête enseignante GPT0,403
Écart entre enseignants0,307 · 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'étudeObservationnel
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

Citations17
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rehabilitation Research and DevelopmentMême sujetSpinal Cord Injury ResearchTravaux en français237 207