MétaCan
Menu
Retour à la cohorte
Enregistrement W2179018982 · doi:10.1123/mcj.17.3.283

Neural and Muscular Determinants of Dorsiflexor Weakness in Chronic Stroke Survivors

2013· article· en· W2179018982 sur OpenAlexaff
Cliff S. Klein, Geoffrey A. Power, Dina Brooks, Charles L. Rice

Notice bibliographique

RevueMotor Control · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoactivationPhysical medicine and rehabilitationStroke (engine)ElectromyographyWeaknessMedicineMuscle weaknessCardiologyPhysical therapyInternal medicineAnatomyPhysics

Résumé

récupéré en direct d'OpenAlex

Few examined the contribution of neural and muscular deficits to weakness in the same stroke subject. We determined maximal voluntary contraction (MVC) and 50 Hz torques, activation (twitch interpolation), electromyographic (EMG) amplitude and antagonist coactivation, and muscle volume using magnetic resonance imaging (MRI) of the dorsiflexors bilaterally in 7 chronic stroke subjects (40-67 y). Recordings of MVC and 50 Hz torque were also done in 7 control subjects (24-69 y) without stroke. The MVC torque was smaller in the contralesional than ipsilesilesional limb (29.8 ± 21.3 Nm vs. 42.5 ± 12.0 Nm, p = .04), and was associated with deficits in activation (r2 = .77) and EMG amplitude (r2 = .71). Antagonist coactivation percentage was not significantly different between limbs. Muscle volume, 50 Hz torque, and specific torque (50Hz torque/muscle volume) were also not different between sides. The concept that atrophy is commonplace after stroke is not supported by the results. Our findings indicate that dorsiflexor weakness in mobile stroke survivors is not explained by atrophy or reduced torque generating capacity suggesting an important role for central factors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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

Citations26
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMotor ControlMême sujetMuscle activation and electromyography studiesTravaux en français237 207