MétaCan
Menu
Retour à la cohorte
Enregistrement W3048444210 · doi:10.1186/s12984-020-00739-6

Passive, yet not inactive: robotic exoskeleton walking increases cortical activation dependent on task

2020· article· en· W3048444210 sur OpenAlex
Sue Peters, Shannon B. Lim, Dennis R. Louie, Chieh-ling Yang, Janice J. Eng

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensUniversity of British Columbia HospitalVancouver Coastal Health Research InstituteUniversity of British ColumbiaVancouver Coastal Health
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsMichael Smith Health Research BC
Mots-clésExoskeletonFunctional magnetic resonance imagingGaitElectromyographyPhysical medicine and rehabilitationPosterior parietal cortexBrain activity and meditationFunctional near-infrared spectroscopyGait trainingNeurosciencePsychologyRehabilitationMedicineElectroencephalographyCognitionPrefrontal cortex

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Experimental designs using surrogate gait-like movements, such as in functional magnetic resonance imaging (MRI), cannot fully capture the cortical activation associated with overground gait. Overground gait in a robotic exoskeleton may be an ideal tool to generate controlled sensorimotor stimulation of gait conditions like 'active' (i.e. user moves with the device) and 'passive' (i.e. user is moved by the device) gait. To truly understand these neural mechanisms, functional near-infrared spectroscopy (fNIRS) would yield greater ecological validity. Thus, the aim of this experiment was to use fNIRS to delineate brain activation differences between 'Active' and 'Passive' overground gait in a robotic exoskeleton. METHODS: Fourteen healthy adults performed 10 walking trials in a robotic exoskeleton for Passive and Active conditions, with fNIRS over bilateral frontal and parietal lobes, and electromyography (EMG) over bilateral thigh muscles. Digitization of optode locations and individual T1 MRI scans were used to demarcate the brain regions fNIRS recorded from. RESULTS: Increased oxyhemoglobin in the right frontal cortex was found for Passive compared with Active conditions. For deoxyhemoglobin, increased activation during Passive was found in the left frontal cortex and bilateral parietal cortices compared with Active; one channel in the left parietal cortex decreased during Active when compared with Passive. Normalized EMG mean amplitude was higher in the Active compared with Passive conditions for all four muscles (p ≤ 0.044), confirming participants produced the conditions asked of them. CONCLUSIONS: The parietal cortex is active during passive robotic exoskeleton gait, a novel finding as research to date has not recorded posterior to the primary somatosensory cortex. Increased activation of the parietal cortex may be related to the planning of limb coordination while maintaining postural control. Future neurorehabilitation research could use fNIRS to examine whether exoskeletal gait training can increase gait-related brain activation with individuals unable to walk independently.

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.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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