Motor Unit Action Potential Clustering—Theoretical Consideration for Muscle Activation during a Motor Task
Notice bibliographique
Résumé
During dynamic or sustained isometric contractions, bursts of muscle activity appear in the electromyography (EMG) signal. Theoretically, these bursts of activity likely occur because motor units are constrained to fire temporally close to one another and thus the impulses are "clustered" with short delays to elicit bursts of muscle activity. The purpose of this study was to investigate whether a sequence comprised of "clustered" motor unit action potentials (MUAP) can explain spectral and amplitude changes of the EMG during a simulated motor task. This question would be difficult to answer experimentally and thus, required a model to study this type of muscle activation pattern. To this end, we modeled two EMG signals, whereby a single MUAP was either convolved with a randomly distributed impulse train (EMG-rand) or a "clustered" sequence of impulses (EMG-clust). The clustering occurred in windows lasting 5-100 ms. A final mixed signal of EMG-clust and EMG-rand, with ratios (1:1-1:10), was also modeled. A ratio of 1:1 would indicate that 50% of MUAP were randomly distributed, while 50% of "clustered" MUAP occurred in a given time window (5-100 ms). The results of the model showed that clustering MUAP caused a downshift in the mean power frequency (i.e., ~30 Hz) with the largest shift occurring with a cluster window of 10 ms. The mean frequency shift was largest when the ratio of EMG-clust to EMG-rand was high. Further, the clustering of MUAP also caused a substantial increase in the amplitude of the EMG signal. This model potentially explains an activation pattern that changes the EMG spectra during a motor task and thus, a potential activation pattern of muscles observed experimentally. Changes in EMG measurements during fatiguing conditions are typically attributed to slowing of conduction velocity but could, per this model, also result from changes of the clustering of MUAP. From a clinical standpoint, this type of muscle activation pattern might help describe the pathological movement issues in people with Parkinson's disease or essential tremor. Based on our model, researchers moving forward should consider how MUAP clustering influences EMG spectral and amplitude measurements and how these changes influence movements.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».