MétaCan
Menu
Retour à la cohorte
Enregistrement W3014473038 · doi:10.1088/1741-2552/ab85d3

Enhanced transcutaneous electrical nerve stimulation achieved by a localized virtual bipole: a computational study of human tibial nerve stimulation

2020· article· en· W3014473038 sur OpenAlexafffund
Sohrab Roointan, Daniel Tovbis, Chris Elder, Paul B. Yoo

Notice bibliographique

RevueJournal of Neural Engineering · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConnaught FundCanada Foundation for Innovation
Mots-clésNeuromodulationStimulationTranscutaneous electrical nerve stimulationBiomedical engineeringFunctional electrical stimulationCuffMaterials scienceElectrodeTibial nerveMedicineChemistrySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Objective . Electrical neuromodulation is a clinically effective therapeutic instrument, currently expanding into newer indications and larger patient populations. Neuromodulation technologies are also moving towards less invasive approaches to nerve stimulation. In this study, we investigated an enhanced transcutaneous electrical nerve stimulation (eTENS) system that electrically couples a conductive nerve cuff with a conventional TENS electrode. The objectives were to better understand how eTENS achieves lower nerve activation thresholds, and to test the feasibility of applying eTENS in a human model of peripheral nerve stimulation. Approach. A finite element model (FEM) of the human lower leg was constructed to simulate electrical stimulation of the tibial nerve, comparing TENS and eTENS. Key variables included surface electrode diameter, nerve cuff properties (conductivity, length, thickness), and cuff location. Enhanced neural excitability was predicted by relative excitability (RE > 1), derived using either the activating function (AF) or the nerve activation threshold (MRG model). Main results. Simulations revealed that a localized ‘virtual bipole’ was created on the target nerve, where the isopotential surface of the cuff resulted in large potential differences with the surrounding tissue. The cathodic part (nerve depolarization) of the bipole enhanced neural excitability, predicted by RE values of up to 2.2 (MRG) and 5.5 (AF) when compared to TENS. The MRG model confirmed that action potentials were initiated at the cathodic edge of the nerve cuff. Factors contributing to eTENS were larger surface electrodes, longer cuffs, cuff conductivity (>1×10 3 S m −1 ), and cuff position relative to the cathodic surface electrode. Significance. This study provides a theoretical basis for designing and testing eTENS applied to various neural targets and data suggesting function of eTENS in large models of nerve stimulation. Although eTENS carries key advantages over existing technologies, further work is needed to translate this approach into effective clinical applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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'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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neural EngineeringMême sujetNeuroscience and Neural EngineeringTravaux en français237 207