MétaCan
Menu
Retour à la cohorte
Enregistrement W3042671260 · doi:10.1038/s41598-020-68392-6

Force–frequency relationship during fatiguing contractions of rat medial gastrocnemius muscle

2020· article· en· W3042671260 sur OpenAlexafffund
Keenan B. MacDougall, Andrea N. Devrome, Anders M. Kristensen, Brian R. MacIntosh

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesGovernment of Canada
Mots-clésGastrocnemius muscleAnatomyMuscle contractionPhysical medicine and rehabilitationMedicineSkeletal muscle

Résumé

récupéré en direct d'OpenAlex

The force-frequency relationship presents the amount of force a muscle can produce as a function of the frequency of activation. During repetitive muscular contractions, fatigue and potentiation may both impact the resultant contractile response. However, both the apparent fatigue observed, and the potential for activity-dependent potentiation can be affected by the frequency of activation. Thus, we wanted to explore the effects that repetitive stimulation had on the force-frequency relationship. The force-frequency relationship of the rat medial gastrocnemius muscle was investigated during consecutive bouts of increasing fatigue with 20 to 100 Hz stimulation. Force was measured prior to the fatiguing protocol, during each of three levels of fatigue, and after 30 min of recovery. Force at each frequency was quantified relative to the pre-fatigued 100 Hz contractions, as well as the percentage reduction of force from the pre-fatigued level at a given frequency. We observed less reduction in force at low frequencies compared to high frequencies, suggesting an interplay of fatigue and potentiation, in which potentiation can "protect" against fatigue in a frequency-dependent manner. The exact mechanism of fatigue is unknown, however the substantial reduction of force at high frequency suggests a role for reduced force per cross-bridge.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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

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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,199 · 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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMuscle activation and electromyography studiesTravaux en français237 207