Neuromuscular Strategies during Cycling at Different Muscular Demands
Notice bibliographique
Résumé
PURPOSE: This study investigated muscle coordination while pedaling at 150 and 300 W with a cadence of 90 rpm. Changes in the variability of the electromyographic (EMG) signals were quantified in 14 subjects. METHODS: Principal component analysis was used to find correlated EMG patterns among seven leg muscles that reflect neuromuscular strategies while pedaling. Sample entropy was used to assess the regularity of the short-term fluctuations of the EMG. Signal structure relates to the autocorrelation and to the information in the phase of the signal. This study used the information encrypted in the phase to quantify neuromuscular control and compared the results to phase-randomized surrogate data. RESULTS: Although the pattern remained similar, the correlation between individual muscles showed effort-dependent differences. Increased workload altered the overall neuromuscular strategy indicated by changes in the contribution of individual muscles to the movement. Additionally, the executed strategy was characterized by increased structure. Regularity of the short-term fluctuations in the EMG increased significantly with effort level. Both experimental conditions showed more structure in the phase of the EMG compared to the surrogate data. CONCLUSIONS: This increased structure in the EMG signal may represent a less random and more orderly recruited firing pattern during the pedaling task at higher effort levels.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».