MétaCan
Menu
Retour à la cohorte
Enregistrement W3194083517 · doi:10.1101/2021.08.19.457006

A generic sequential stimulation adapter for reducing muscle fatigue during functional electrical stimulation

2021· preprint· en· W3194083517 sur OpenAlexaff
Gongkai Ye, Saima Ali, Austin J. Bergquist, Miloš R. Popović, Kei Masani

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of TorontoToronto Rehabilitation InstituteUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésAdapter (computing)StimulationFunctional electrical stimulationRehabilitation engineeringPulse (music)Biomedical engineeringComputer scienceSIGNAL (programming language)MedicineMaterials scienceVoltageRehabilitationElectrical engineeringComputer hardwareEngineeringInternal medicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background Clinical applications of conventional functional electrical stimulation (FES) administered via a single electrode is limited by rapid onset neuromuscular fatigue. “Sequential” (SEQ) stimulation, involving rotation of pulses between multiple active electrodes, has been shown to reduce fatigue compared to conventional FES. However, there has been limited adoption of SEQ in research and clinical settings. Methods The SEQ adapter is a small, battery-powered device that transforms the output of any commercially available electrical stimulator into SEQ stimulation. We examined the output of the adaptor across a range of clinically relevant stimulation pulse parameters to verify the signal integrity preservation ability of the SEQ adapter. Pulse frequency, amplitude, and duration were varied across discrete states between 4-200 Hz, 10-100 mA, and 50-2000 μs, respectively. Results A total of 420 trials were conducted, with 80 stimulation pulses per trial. The SEQ adapter demonstrated excellent preservation of signal integrity, matching the pulse characteristics of the originating stimulator within 1% error. The SEQ adapter operates as expected at pulse frequencies up to 160 Hz, with a noted failure mode at 200 Hz. Conclusion The SEQ adapter represents an effective and low-cost solution to increase the utilization of SEQ in existing rehabilitation paradigms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,157
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,256
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetNeuroscience and Neural EngineeringTravaux en français237 207