Changes in muscle activity during the flexion and extension phases of arm cycling as an effect of power output are muscle-specific
Notice bibliographique
Résumé
Arm cycling is commonly used in rehabilitation settings for individuals with motor impairments in an attempt to facilitate neural plasticity, potentially leading to enhanced motor function in the affected limb(s). Studies examining the neural control of arm cycling, however, typically cycle using a set cadence and power output. Given the importance of motor output intensity, typically represented by the amplitude of electromyographic (EMG) activity, on neural excitability, surprisingly little is known about how arm muscle activity is modulated using relative workloads. Thus, the objective of this study was to characterize arm muscle activity during arm cycling at different relative workloads. Participants ( n = 11) first completed a 10-second maximal arm ergometry sprint to determine peak power output (PPO) followed by 11 randomized trials of 20-second arm cycling bouts ranging from 5–50% of PPO (5% increments) and a standard 25 W workload. All submaximal trials were completed at 60 rpm. Integrated EMG amplitude (iEMG) was assessed from the biceps brachii, brachioradialis, triceps brachii, flexor carpi radialis, extensor carpi radialis and anterior deltoid of the dominant arm. Arm cycling was separated into two phases, flexion and extension, relative to the elbow joint for all comparisons. As expected, iEMG amplitude increased during both phases of cycling for all muscles examined. With the exception of the triceps brachii and extensor carpi radialis, iEMG amplitudes differed between the flexion and extension phases. Finally, there was a linear relationship between iEMG amplitude and the %PPO for all muscles during both elbow flexion and extension.
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 | 0,000 |
| 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 ».