Task-dependent recruitment across ankle extensor muscles and between mechanical demands is driven by the metabolic cost of muscle contraction
Notice bibliographique
Résumé
The nervous system is faced with numerous strategies for recruiting a large number of motor units within and among muscle synergists to produce and control body movement. This is challenging, considering multiple combinations of motor unit recruitment may result in the same movement. Yet vertebrates are capable of performing a wide range of movement tasks with different mechanical demands. In this study, we used an experimental human cycling paradigm and musculoskeletal simulations to test the theory that a strategy of prioritizing the minimization of the metabolic cost of muscle contraction, which improves mechanical efficiency, governs the recruitment of motor units within a muscle and the coordination among synergist muscles within the limb. Our results support our hypothesis, for which measured muscle activity and model-predicted muscle forces in soleus-the slower but stronger ankle plantarflexor-is favoured over the weaker but faster medial gastrocnemius (MG) to produce plantarflexor force to meet increased load demands. However, for faster-contracting speeds induced by faster-pedalling cadence, the faster MG is favoured. Similar recruitment patterns were observed for the slow and fast fibres within each muscle. By contrast, a commonly used modelling strategy that minimizes muscle excitations failed to predict force sharing and known physiological recruitment strategies, such as orderly motor unit recruitment. Our findings illustrate that this common strategy for recruiting motor units within muscles and coordination between muscles can explain the control of the plantarflexor muscles across a range of mechanical demands.
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 ».