Cutaneous Mechanoreceptor Feedback from the Hand and Foot Can Modulate Muscle Sympathetic Nerve Activity
Notice bibliographique
Résumé
Stimulation of high threshold mechanical nociceptors on the skin can modulate efferent sympathetic outflow. Whether low threshold mechanoreceptors from glabrous skin are similarly capable of modulating autonomic outflow is unclear. Therefore, the purpose of this study was to examine the effects of cutaneous afferent feedback from the hand palm and foot sole on efferent muscle sympathetic nerve activity (MSNA). Fifteen healthy young participants (9 male; 25 ± 3 years [range: 22-29]) underwent microneurographic recording of multi-unit MSNA from the right fibular nerve during 2 minutes of baseline and 2 minutes of mechanical vibration (150Hz, 220μm peak-to-peak) applied to the left hand or foot. Each participant completed three trials of both hand and foot stimulation, each separated by 10 minutes. MSNA burst frequency decreased similarly during the two minutes of both hand (20.8 ± 8.9 vs. 19.3 ± 8.6 bursts/minute [ -8%], p=0.035) and foot (21.0 ± 8.3 vs. 19.5 ± 8.3 bursts/minute [ -8%], p=0.048) vibration but did not alter normalized mean burst amplitude or area (All p>0.05). Larger reductions in burst frequency were observed during the first 10 seconds (onset) of both hand (20.8 ± 8.9 vs. 17.0 ± 10.4 [ -25%], p<0.001) and foot (21.0 ± 8.3 vs. 18.3 ± 9.4 [ -16%], p=0.035) vibration, in parallel with decreases in normalized mean burst amplitude (hand: 0.45 ± 0.06 vs. 0.36 ± 0.14% [ -19%], p=0.03; foot: 0.47 ± 0.07 vs. 0.34 ± 0.19% [ -27%], p=0.02) and normalized mean burst area (hand: 0.42 ± 0.05 vs. 0.32 ± 0.12% [ -25%], p=0.003; foot: 0.47 ± 0.05 vs. 0.34 ± 0.16% [ -28%], p=0.01). These results demonstrate that tactile feedback from the hands and feet can influence efferent sympathetic outflow to skeletal muscle.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».