Using EMG Amplitude and Frequency to Calculate a Multimuscle Fatigue Score and Evaluate Global Shoulder Fatigue
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The authors developed a function to quantify fatigue in multiple shoulder muscles by generating a single score using relative changes in EMG amplitude and frequency over time. BACKGROUND: Evaluating both frequency and amplitude components of the electromyographic signal provides a more complete evaluation of muscle fatigue than either variable alone; however, little effort has been made to combine time and frequency domains for the evaluation of myoelectric fatigue. METHOD: Surface EMG was measured from 14 shoulder muscles while participants performed simulated, repetitive work tasks until exhaustion. Each 60-s work cycle consisted of four tasks (dynamic push, dynamic pull, static drill, static force target matching task) scaled to participants' anthropometrics and strength. The function was generated to calculate a multimuscle fatigue score (MMFS) based on changes in EMG frequency, amplitude, and the number of muscles showing signs of myoelectric fatigue (increase in EMG amplitude; decrease in EMG frequency). RESULTS: The function was evaluated through changes in MMFS over time: first (31.8 ± 14.6), middle (47.6 ± 25.3), last (58.6 ± 35.5) reference exertions ( p < .05). The evaluation of the relationships between MMFS and changes in strength ( r = -0.510) and MMFS and perceived fatigue (RPF) ( r = 0.298) showed significant relationships over time ( p < .05). MMFS scores increased over time ( p < .05) with significant relationships between MMFS and strength changes and RPF ( p < .05). CONCLUSION AND APPLICATION: The MMFS allows for comparisons between workplace tasks, which can aid in workplace design to mitigate the development of fatigue.
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.
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 | 0,000 |
| 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 | 0,001 | 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 découle