Use of transcranial magnetic stimulation to assess relaxation rates in unfatigued and fatigued knee-extensor muscles
Notice bibliographique
Résumé
Abstract We examined whether transcranial magnetic stimulation (TMS) delivered to the motor cortex allows assessment of muscle relaxation rates in unfatigued and fatigued knee extensors (KE). We assessed the ability of this technique to measure time course of fatigue-induced changes in muscle relaxation rate and compared relaxation rate from resting twitches evoked by femoral nerve stimulation. Twelve healthy men performed maximal voluntary isometric contractions (MVC) twice before (PRE) and once at the end of a 2-min KE MVC and five more times within 8 min during recovery. Relative (intraclass correlation coefficient; ICC 2,1 ) and absolute (repeatability coefficient) reliability and variability (coefficient of variation) were assessed. Time course of fatigue-induced changes in muscle relaxation rate was tested with generalized estimating equations. In unfatigued KE, peak relaxation rate coefficient of variation and repeatability coefficient were similar for both techniques. Mean (95% CI) ICC 2,1 for peak relaxation rates were 0.933 (0.724–0.982) and 0.889 (0.603–0.968) for TMS and femoral nerve stimulation, respectively. TMS-induced normalized muscle relaxation rate was − 11.5 ± 2.5 s −1 at PRE, decreased to − 6.9 ± 1.2 s −1 (− 37 ± 17%, P < 0.001), and recovered by 2 min post-exercise. Normalized peak relaxation rate for resting twitch did not show a fatigue-induced change. During fatiguing KE exercise, the change in muscle relaxation rate as determined by the two techniques was different. TMS provides reliable values of muscle relaxation rates. Furthermore, it is sufficiently sensitive and more appropriate than the resting twitch evoked by femoral nerve stimulation to reveal fatigue-induced changes in KE.
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 ».