Is the ‘reverse onion skin’ phenomenon more prevalent than we thought during intramuscular myoelectric recordings from low to maximal force outputs?
Notice bibliographique
Résumé
There are isolated instances in the literature that suggest the ‘onion skin’ phenomenon is not always present. That is, newly recruited high threshold motor units (MU) have higher discharge rates than previously recruited low threshold MUs. Therefore, the purpose of this paper was to investigate the presence of the ‘onion skin’ phenomenon in a large sample of intramuscular myoelectric recordings from low to maximal force outputs. Forty-eight participants performed rapid isometric dorsiflexion contractions at 20, 40, 60, 80 and 100 % MVC while intramuscular electrical activity was recorded. A bivariate frequency-distribution of the motor unit discharge rate and motor unit action potential peak-to-peak (P-P) amplitude was assessed. There was a significant difference in bivariate frequency-distribution across force levels (D’s = 0.1083−0.3094, p’s < 0.001). Newly recruited high threshold MUs did have lower discharge rates, but there was an increase in the presence of high threshold, large P-P amplitude MUs with higher discharge rates than lower threshold MUs (reverse onion skin) during the stable portion of the force output. The recruitment of high threshold MUs with higher discharge rates decreased the level of common drive from the cross-correlation (Rxy) = 0.79 at 20 % MVC to Rxy = 0.68 at 100 % MVC (p < 0.01), but it remained high. As the interference pattern becomes more complex with the recruitment of more motor units at higher force outputs, intramuscular electrodes may be more discriminating while recording motor unit activity leading to the identification of both the ‘reverse onion skin’ and ‘onion skin’ phenomenon being present.
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 ».