MétaCan
Menu
Retour à la cohorte
Enregistrement W2888838392 · doi:10.1098/rspb.2018.0613

Scaling of sensorimotor delays in terrestrial mammals

2018· article· en· W2888838392 sur OpenAlexaff
Heather L. More, J. Maxwell Donelan

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSensory systemElectrophysiologyNeuroscienceScalingBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Whether an animal is trying to escape from a predator, avoid a fall or perform a more mundane task, the effectiveness of its sensory feedback is constrained by sensorimotor delays. Here, we combine electrophysiological experiments, systematic reviews of the literature and biophysical models to determine how delays associated with the fastest locomotor reflex scale with size in terrestrial mammals. Nerve conduction delay is one contributor, and increases strongly with animal size. Sensing, synaptic and neuromuscular junction delays also contribute, and we approximate each as a constant value independent of animal size. Muscle's electromechanical and force generation delays increase more moderately with animal size than nerve conduction delay, but their total contribution exceeds that of the four neural delays. The sum of these six component delays, termed total delay, increases with animal size in proportion toM0.21—large mammals experience total delays 17 times longer than small mammals. The slower movement times of large animals mostly offset their long delays resulting in a more modest, but perhaps still significant, doubling of their total delay relative to movement duration when compared with their smaller counterparts. Irrespective of size, sensorimotor delay is likely a challenge for all mammals, particularly during fast running.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,237
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations98
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetMuscle activation and electromyography studiesTravaux en français237 207