MétaCan
Menu
Retour à la cohorte
Enregistrement W2803768742 · doi:10.1098/rsos.172371

Geometric models to explore mechanisms of dynamic shape change in skeletal muscle

2018· article· en· W2803768742 sur OpenAlexaff
Taylor J. M. Dick, James M. Wakeling

Notice bibliographique

RevueRoyal Society Open Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institutes of Health
Mots-clésFascicleAponeurosisShape changeSkeletal muscleAnatomyGastrocnemius muscleGeometryBiophysicsBiological systemBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Skeletal muscle bulges when it contracts. These three-dimensional (3D) dynamic shape changes play an important role in muscle performance by altering the range of fascicle velocities over which a muscle operates. However traditional muscle models are one-dimensional (1D) and cannot fully explain in vivo shape changes. In this study we compared medial gastrocnemius behaviour during human cycling (fascicle length changes and rotations) predicted by a traditional 1D Hill-type model and by models that incorporate two-dimensional (2D) and 3D geometric constraints to in vivo measurements from B-mode ultrasound during a range of mechanical conditions ranging from 14 to 44 N m and 80 to 140 r.p.m. We found that a 1D model predicted fascicle lengths and pennation angles similar to a 2D model that allowed the aponeurosis to stretch, and to a 3D model that allowed for aponeurosis stretch and variable shape changes to occur. This suggests that if the intent of a model is to predict fascicle behaviour alone, then the traditional 1D Hill-type model may be sufficient. Yet, we also caution that 1D models are limited in their ability to infer the mechanisms by which shape changes influence muscle mechanics. To elucidate the mechanisms governing muscle shape change, future efforts should aim to develop imaging techniques able to characterize whole muscle 3D geometry in vivo during active contractions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,289
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetMuscle activation and electromyography studiesTravaux en français237 207