Near-fiber electromyography
Notice bibliographique
Résumé
OBJECTIVE: Describe and evaluate the concepts of near fiber electromyography (NFEMG), the features used, including near fiber motor unit potential (NFMUP) duration and dispersion, which relate to motor unit distal axonal branch and muscle fiber conduction time dispersion, and NFMUP segment jitter, a new measure of the temporal variability of neuromuscular junction transmission (NMJ), and axonal branch and muscle fibre conduction for the near fibres (i.e. NF jitter), and the methods for obtaining their values. METHODS: Trains of high-pass filtered motor unit potentials (MUPs) (i.e. NFMUP trains) were extracted from needle-detected EMG signals to assess changes in motor unit (MU) morphology and electrophysiology caused by neuromuscular disorders or ageing. Evaluations using simulated needle-detected EMG data were completed and example human data are presented. RESULTS: NFEMG feature values can be used to detect axonal sprouting, conduction slowing and NMJ transmission delay as well as changes in MU fiber diameter variability, and NF jitter. These changes can be detected prior to alterations of MU size or numbers. CONCLUSIONS: The evaluations clearly demonstrate and the example data support that NFMUP duration and dispersion reflect MU distal axonal branching, conduction slowing and NMJ transmission delay and/or MU fiber diameter variability and that NFMUP jiggle and segment jitter reflect NF jitter. SIGNIFICANCE: NFEMG can detect early changes in MU morphology and/or electrophysiology and has the potential to augment clinical diagnosis and tracking of neuromuscular disorders.
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 ».