MétaCan
Menu
Retour à la cohorte
Enregistrement W3171680445 · doi:10.1249/mss.0000000000002727

EMG Signals Can Reveal Information Sharing between Consecutive Pedal Cycles

2021· article· en· W3171680445 sur OpenAlexaff
Jaylene S. Pratt, Stephanie A. Ross, James M. Wakeling, Emma Hodson‐Tole

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCadenceSTRIDECyclingIntensity (physics)MathematicsPhysicsPhysical medicine and rehabilitationAcousticsMedicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Producing a steady cadence and power while cycling results in fairly consistent average pedal forces for every revolution, although small fluctuations about an average force do occur. This force can be generated by several combinations of muscles, each with slight fluctuations in excitation for every pedal cycle. Fluctuations such as these are commonly thought of as random variation about average values. However, research into fluctuations of stride length and stride time during walking shows information can be contained in the order of fluctuations. This order, or structure, is thought to reveal underlying motor control strategies. Previously, we found persistent structure in the fluctuations of EMG signals during cycling using entropic half-life analysis. These EMG signals contained fluctuations across multiple timescales, such as those within a burst of excitation, between the burst and quiescent period of a cycle, and across multiple cycles. It was not clear which sources of variation contributed to the persistent structure in the EMG. METHODS: In this study, we manipulated variation at different timescales in EMG intensity signals to identify the sources of structure observed during cycling. Nine participants cycled at a constant power and cadence for 30 min while EMG was collected from six muscles of the leg. RESULTS: We found persistent structure across multiple pedal cycles of average EMG intensities, as well as average pedal forces and durations. In addition, we found the entropic half-life did not quantify fluctuations within a burst of EMG intensity; instead, it detected unstructured variation between the burst and quiescent period within a cycle. CONCLUSIONS: The persistent structure in average EMG intensities suggests that fluctuations in muscle excitation are regulated from cycle to cycle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetMuscle activation and electromyography studiesTravaux en français237 207