MétaCan
Menu
Retour à la cohorte
Enregistrement W2903368432 · doi:10.1002/mus.26391

A modified multiple point stimulation method for motor unit number estimation of the hypothenar muscles

2018· article· en· W2903368432 sur OpenAlexaff
Akiko Hachisuka, K. Ming Chan

Notice bibliographique

RevueMuscle & Nerve · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésMotor unitStimulationMedicineEstimationPhysical medicine and rehabilitationMathematicsAnatomyInternal medicineEngineering

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The goal of this study is to test the hypothesis that single motor unit action potentials (SMUPs) originating from other ulnar nerve-innervated intrinsic hand muscles can inflate the motor unit number estimation (MUNE) of the hypothenar muscles. METHODS: Using the multiple point stimulation method, SMUPs recorded over the hypothenar muscles from distant origins were characterized through multichannel recordings. The MUNE calculated using only the hypothenar SMUPs was compared with estimations based on the whole ensemble. RESULTS: Of the 41 studies performed, distant SMUPs represented 17 ± 9.5% (mean ± SD) of the overall sample. MUNE calculated using only hypothenar SMUPs was 423 ± 204, compared with 537 ± 290 if all SMUPs were included (P < 0.05). The extent of increase in MUNE was highly correlated with the proportion of distant SMUPs found (r = 0.89, P < 0.05). DISCUSSION: Erroneous inclusion of SMUPs from distant muscles can significantly distort the MUNE results. Muscle Nerve 59:337-341, 2019.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,271
Écart entre enseignants0,243 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMuscle & NerveMême sujetMuscle activation and electromyography studiesTravaux en français237 207