Effect of Spatially Distributed Sequential Stimulation on Fatigue in Functional Electrical Stimulation Rowing
Notice bibliographique
Résumé
OBJECTIVE: A critical limitation in clinical applications using functional electrical stimulation (FES) for rehabilitation exercises is the rapid onset of muscle fatigue. Spatially distributed sequential stimulation (SDSS) has been demonstrated to reduce muscle fatigue during FES compared to conventional single electrode stimulation (SES) in single joint movements. Here we investigated the fatigue reducing ability of SDSS in a clinical application, i.e., FES-rowing, in able-bodied (AB) participants. METHODS: FES was delivered to the quadriceps and hamstring of 15 AB participants (five female, ten male) for fatiguing FES-rowing trials using SES and SDSS, participants rowed with voluntary arm effort while endeavoring to keep their legs relaxed. Fatigue was characterized by the time elapsed until a percent decrease occurred in power output (TTF), as well as the trial length indicating the time elapsed until the complete stop of rowing. RESULT: ratio of 1.34 ranging from 1.03 to 5.41 (Wilcoxon Ranked Sum, , r=0.62 ). No rower experienced a decrease in TTF with SDSS. CONCLUSION: SDSS reduced fatigue during FES-rowing when compared to SES in AB individuals, resulting in a lengthened FES-rowing period by approximately 30%. Application of SDSS would increase the effectiveness of FES-rowing as rehabilitative exercise for individuals with paralyses.
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 | 0,000 | 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) | 0,002 | 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 ».