Effect of Force, Posture, and Repetitive Wrist Motion on Intraneural Blood Flow in the Median Nerve
Notice bibliographique
Résumé
OBJECTIVES: Pinching, deviated wrist postures, and repetitive motion are risk factors for carpal tunnel syndrome. Hypervascularization of the median nerve and increased intraneural blood flow proximal to the carpal tunnel result in finger force and deviated wrist postures. The purpose of this study was to determine the effects of pinching with and without force, wrist posture, and repetitive wrist motion on intraneural blood flow in the median nerve. METHODS: Eleven healthy and 11 carpal tunnel syndrome-symptomatic individuals completed 3 sections of this study: 15 pinch posture force trials, 3 repetitive wrist motion trials, and 3 static wrist posture trials. Intraneural blood flow (centimeters per second) was measured with pulsed wave Doppler ultrasound during each trial. Transverse B-mode images obtained from static trials were used to calculate the median nerve cross-sectional area and circumference. RESULTS: = 14.545; P < .001). Intraneural blood flow velocities were significantly greater when 6 N of force was applied by the thumb, finger, or pinch compared to no applied force in the same postures. Intraneural blood flow velocities were higher at 30° wrist flexion (mean ± SD, 2.24 ± 0.42 cm/s) than neutral (2.06 ± 0.45 cm/s) and 30° wrist extension (1.97 ± 0.46 cm/s). No changes were found in response to repetitive wrist motion. CONCLUSIONS: Flexed wrists as well as applied finger and thumb forces increase median nerve blood flow at the entry to the carpal tunnel, which may negatively affect the median nerve.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».