Thresholds of cutaneous afferents related to perceptual threshold across the human foot sole
Notice bibliographique
Résumé
Perceptual thresholds are known to vary across the foot sole, despite a reported even distribution in cutaneous afferents. Skin mechanical properties have been proposed to account for these differences; however, a direct relationship between foot sole afferent firing, perceptual threshold, and skin mechanical properties has not been previously investigated. Using the technique of microneurography, we recorded the monofilament firing thresholds of cutaneous afferents and associated perceptual thresholds across the foot sole. In addition, receptive field hardness measurements were taken to investigate the influence of skin hardness on these threshold measures. Afferents were identified as fast adapting [FAI (n = 48) or FAII (n = 13)] or slowly adapting [SAI (n = 21) or SAII (n = 20)], and were grouped based on receptive field location (heel, arch, metatarsals, toes). Overall, perceptual thresholds were found to most closely align with firing thresholds of FA afferents. In contrast, SAI and SAII afferent firing thresholds were found to be significantly higher than perceptual thresholds and are not thought to mediate monofilament perceptual threshold across the foot sole. Perceptual thresholds and FAI afferent firing thresholds were significantly lower in the arch compared with other regions, and skin hardness was found to positively correlate with both FAI and FAII afferent firing and perceptual thresholds. These data support a perceptual influence of skin hardness, which is likely the result of elevated FA afferent firing threshold at harder foot sole sites. The close coupling between FA afferent firing and perceptual threshold across foot sole indicates that small changes in FA afferent firing can influence perceptual thresholds.
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 | 0,000 |
| 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 | 0,001 | 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 ».