Motor Unit Potential Jitter: A New Measure of Neuromuscular Transmission Instability
Notice bibliographique
Résumé
A new measure of neuromuscular transmission instability, motor unit potential (MUP) jitter, is introduced. MUP jitter can be estimated quickly using MUP trains (MUPTs) extracted from electromyographic (EMG) signals acquired using conventional clinical equipment and needle EMG electrodiagnostic protocols. The primary motivation for developing MUP jitter is to avoid the technical demands associated with estimating jitter using conventional single fiber EMG techniques. At the core of the MUP jitter measure is a classifier capable of labeling a set of aligned MUP segments as single fiber MUP segments, i.e., parts of MUPs generated predominantly by a single fiber and not significantly contaminated by contributions from other fibers. For a set of MUPs generated by the same MU, these segments will have varying occurrence times within the MUPs, but will have consistent morphology across the MUPs. Pairs of sets of single fiber MUP segments generated by different fibers of the same MU and tracked across a MUPT can be used to estimate neuromuscular transmission instability. Aligning MUP segments is achieved using dynamic time warping. Results based on 680 simulated MUPTs show that MUP jitter can be estimated with an average error rate as low as 8.9%. Also, one or more sets of single fiber MUP segments can be detected in 85.3% of the studied trains. The analysis for a single MUPT can be completed in 3.6 s on average using a conventional personal computer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».