MétaCan
Menu
Retour à la cohorte
Enregistrement W2907635517 · doi:10.1126/sciadv.aau2956

Peripheral nerve transfers change target muscle structure and function

2019· article· en· W2907635517 sur OpenAlexaff
Konstantin D. Bergmeister, Martin Aman, Silvia Muceli, Ivan Vujaklija, Krisztina Manzano-Szalai, Ewald Unger, Ruth A. Byrne, Clemens Scheinecker, O Riedl, Stefan Salminger, Florian Frommlet, Gregory H. Borschel, Dario Farina, Oskar C. Aszmann

Notice bibliographique

RevueScience Advances · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensHospital for Sick Children
Organismes subventionnairesEuropean Research CouncilChristian Doppler Forschungsgesellschaft
Mots-clésReinnervationMotor unitMotor unit recruitmentNeurophysiologyAnatomyNeurosciencePeripheralPopulationMotor neuronElectromyographyMedicineBiologySpinal cord

Résumé

récupéré en direct d'OpenAlex

Selective nerve transfers surgically rewire motor neurons and are used in extremity reconstruction to restore muscle function or to facilitate intuitive prosthetic control. We investigated the neurophysiological effects of rewiring motor axons originating from spinal motor neuron pools into target muscles with lower innervation ratio in a rat model. Following reinnervation, the target muscle's force regenerated almost completely, with the motor unit population increasing to 116% in functional and 172% in histological assessments with subsequently smaller muscle units. Muscle fiber type populations transformed into the donor nerve's original muscles. We thus demonstrate that axons of alternative spinal origin can hyper-reinnervate target muscles without loss of muscle force regeneration, but with a donor-specific shift in muscle fiber type. These results explain the excellent clinical outcomes following nerve transfers in neuromuscular reconstruction. They indicate that reinnervated muscles can provide an accurate bioscreen to display neural information of lost body parts for high-fidelity prosthetic control.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,886
Score d'incertitude au seuil0,261

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 savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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'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

Citations81
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetMuscle activation and electromyography studiesTravaux en français237 207