A Neurophysiological Pattern as a Precursor of Work-Related Musculoskeletal Disorders Using EEG Combined with EMG
Notice bibliographique
Résumé
We aimed to determine the neurophysiological pattern that is associated with the development of musculoskeletal pain that is induced by biomechanical constraints. Twelve (12) young healthy volunteers (two females) performed two experimental realistic manual tasks for 30 min each: (1) with the high risk of musculoskeletal pain development and (2) with low risk for pain development. During the tasks, synchronized electroencephalographic (EEG) and electromyography (EMG) signals data were collected, as well as pain scores. Subsequently, two main variables were computed from neurophysiological signals: (1) cortical inhibition as Task-Related Power Increase (TRPI) in beta EEG frequency band (β.TRPI) and (2) muscle variability as Coefficient of Variation (CoV) from EMG signals. A strong effect size was observed for pain measurement under the high risk condition during the last 5 min of the task execution; with muscle fatigue, because the CoV has decreased below 18%. An increase in cortical inhibition (β.TRPI >50%) was observed after the 5th min of the task in both experimental conditions. These results suggest the following neurophysiological pattern-β.TRPI ≥ 50% and CoV ≤ 18%-as a possible indicator to monitor the development of musculoskeletal pain in the shoulder in the context of repeated and prolonged exposure to manual tasks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».