EMG-Assisted Algorithm to Account for Shoulder Muscles Co-Contraction in Overhead Manual Handling
Notice bibliographique
Résumé
Glenohumeral stability is essential for a healthy function of the shoulder. It is ensured partly by the scapulohumeral muscular balance. Accordingly, modelling muscle interactions is a key factor in the understanding of occupational pathologies, and the development of ergonomic interventions. While static optimization is commonly used to estimate muscle activations, it tends to underestimate the role of shoulder’s antagonist muscles. The purpose of this study was to implement experimental electromyographic (EMG) data to predict muscle activations that could account for the stabilizing role of the shoulder muscles. Kinematics and EMG were recorded from 36 participants while lifting a box from hip to eye level. Muscle activations and glenohumeral joint reactions were estimated using an EMG-assisted algorithm and compared to those obtained using static optimization with a generic and calibrated model. Muscle activations predicted with the EMG-assisted method were generally larger. Additionally, more interactions between the different rotator cuff muscles, as well as between primer actuators and stabilizers, were predicted with the EMG-assisted method. Finally, glenohumeral forces calculated from a calibrated model remained within the boundaries of the glenoid stability cone. These findings suggest that EMG-assisted methods could account for scapulohumeral muscle co-contraction, and thus their contribution to the glenohumeral stability.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».