Coordinating long-latency stretch responses across the shoulder, elbow, and wrist during goal-directed reaching
Notice bibliographique
Résumé
The long-latency stretch response (muscle activity 50-100 ms after a mechanical perturbation) can be coordinated across multiple joints to support goal-directed actions. Here we assessed the flexibility of such coordination and whether it serves to counteract intersegmental dynamics and exploit kinematic redundancy. In three experiments, participants made planar reaches to visual targets after elbow perturbations and we assessed the coordination of long-latency stretch responses across shoulder, elbow, and wrist muscles. Importantly, targets were placed such that elbow and wrist (but not shoulder) rotations could help transport the hand to the target-a simple form of kinematic redundancy. In experiment 1 we applied perturbations of different magnitudes to the elbow and found that long-latency stretch responses in shoulder, elbow, and wrist muscles scaled with perturbation magnitude. In experiment 2 we examined the trial-by-trial relationship between long-latency stretch responses at adjacent joints and found that the magnitudes of the responses in shoulder and elbow muscles, as well as elbow and wrist muscles, were positively correlated. In experiment 3 we explicitly instructed participants how to use their wrist to move their hand to the target after the perturbation. We found that long-latency stretch responses in wrist muscles were not sensitive to our instructions, despite the fact that participants incorporated these instructions into their voluntary behavior. Taken together, our results indicate that, during reaching, the coordination of long-latency stretch responses across multiple joints counteracts intersegmental dynamics but may not be able to exploit kinematic redundancy.
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 | 0,003 |
| 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 | 0,000 | 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 ».