Median nerve travel and deformation in the transverse carpal tunnel increases with chuck grip force and deviated wrist position
Notice bibliographique
Résumé
BACKGROUND: We assessed median nerve travel and deformation concurrently to better understand the influence of occupational risk factors on carpal tunnel dynamics, including forceful chuck gripping and deviated wrist positions. METHODS: Fourteen healthy right-hand dominant participants performed a chuck grip in 6 experimental conditions: two relative force levels (10% and 40% of maximum voluntary effort); three wrist positions (15° radial deviation, 0° neutral, 30° ulnar deviation). Chuck grip forces were measured with a load cell while the transverse cross-section of the carpal tunnel was imaged via ultrasound at the distal wrist crease. Images of the median nerve were analyzed in ImageJ to assess cross-sectional area, circularity, width, and height as well as travel in the anterior-posterior and medial-lateral axes. RESULTS: We found a main effect of deviated wrist position on both anterior-posterior and medial-lateral travel, with the greatest nerve travel occurring in 30° ulnar deviation. There was also a significant interaction between chuck grip force and deviated wrist position on cross-sectional area. Specifically, the area decreased with 40% vs. 10% chuck grip force when the wrist was in 30° ulnar deviation; however, there were no changes in 0° neutral and 15° radial deviation. DISCUSSION: Overall, we demonstrated that forceful chuck gripping in deviated wrist positions influenced carpal tunnel dynamics, resulting in both migratory and morphological changes to the median nerve. These changes may, in turn, increase local strain and stress with adjacent structures in the carpal tunnel. Future studies mapping contact stress between structures may further elucidate injury development of work-related carpal tunnel syndrome.
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 ».