MétaCan
Menu
Retour à la cohorte
Enregistrement W3017015591 · doi:10.1096/fasebj.2020.34.s1.05209

Dynamic contraction dependence on the instantaneous motor unit firing rates

2020· article· en· W3017015591 sur OpenAlexaff
Eric A. Kirk, Charles L. Rice

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power Systems and Control
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIsometric exerciseMotor unitElectromyographyMotor unit recruitmentIsotonicTorqueMuscle contractionContraction (grammar)MathematicsAnatomyPhysicsPhysical medicine and rehabilitationMedicinePhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The effect of voluntary muscle contraction is to regulate position change about a joint involving recruitment and rate coding of motor units (MU) to produce torque results in the shortening velocity component. Unlike isometric (static) muscle contractions, isotonic (dynamic) muscle contractions can involve feedback to slow the shortening velocity as the joint reaches the terminal position. During dynamic conditions of increasing velocity targets, evidence indicates that the neuromuscular initiation of movement is greater than at isometric conditions, possibly being enhanced by the motor neuron secondary firing rate range. Our objective was to further characterize voluntary neuromuscular control at the level of instantaneous motor unit action potential firings during dynamic shortening muscle contractions. During isometric and isotonic contractions, intramuscular fine‐wire electromyography (EMG) was used to record MU potentials from the anconeus and triceps brachii muscles in healthy younger men and women (range 20–35 years, n= 15). Isotonic contractions were normalized to the maximal isotonic velocity and were loaded at 20% of the maximal isometric voluntary contraction torque. For analysis, the EMG was digitally high‐pass filtered (1 kHz, 3 rd order Butterworth) and MU action potential waveforms were determined and sorted by template matching (Spike2 Wavemark, version 7) with manual inspection. Torque, velocity and position were also measured and at each individual firing rate time‐point and these vectors were aligned. From this, 627 MU trains (mean±standard deviation 42±19, n= 15) during the isotonic contractions in the anconeus muscle and 226 MU trains (38±14, n= 6) in the long head of the triceps brachii muscle were measured. To explore a more comprehensive model related to firing rates, the torque, velocity and position were modelled by linear regression with the residuals of MU train number, participant, testing session, sex, muscle and target velocity removed. From the full model when comparing slope coefficients, there was no significant interactions between torque (β= 48.1x) and velocity (β= −28.5x) on firing rate dependence (p= 0.2). Position (β= 0.4x) had a smaller coefficient on firing rates as compared to torque and velocity and a significant interaction effect with torque (p< 0.05), but not velocity (p= 0.4). These results indicate that a model of instantaneous firing rate dependence on torque, velocity and position requires a re‐examination, especially because the interaction of torque and velocity were significantly correlated (r= 0.5, p< 0.05). Shortening velocity of muscles causing elbow joint extension must be first initiated by a rate of torque development, further supporting that a different conceptual approach may be necessary to understand MU output during dynamic contractions. It may be important in this task to model firing rates as the independent variable (time vector) that will affect succeeding dependent changes of torque, velocity and position. Support or Funding Information Supported by NSERC.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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)0,0030,001

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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetElectric Power Systems and ControlTravaux en français237 207