MétaCan
Menu
Retour à la cohorte
Enregistrement W3201040351 · doi:10.1123/jab.2020-0384

An Electromyographically Driven Cervical Spine Model in OpenSim

2021· article· en· W3201040351 sur OpenAlexaff
Jeff M. Barrett, Colin D. McKinnon, Clark R. Dickerson, Jack P. Callaghan

Notice bibliographique

RevueJournal of Applied Biomechanics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésKinematicsBiomechanicsTrunkCervical spineInverse dynamicsElectromyographyCervical vertebraeUpper trunkMedicineAnatomyMathematicsPhysical medicine and rehabilitationPhysicsSurgery

Résumé

récupéré en direct d'OpenAlex

Relatively few biomechanical models exist aimed at quantifying the mechanical risk factors associated with neck pain. In addition, there is a need to validate spinal-rhythm techniques for inverse dynamics spine models. Therefore, the present investigation was 3-fold: (1) the development of a cervical spine model in OpenSim, (2) a test of a novel spinal-rhythm technique based on minimizing the potential energy in the passive tissues, and (3) comparison of an electromyographically driven approach to estimating compression and shear to other cervical spine models. The authors developed ligament force-deflection and intervertebral joint moment-angle curves from published data. The 218 Hill-type muscle elements, representing 58 muscles, were included and their passive forces validated against in vivo data. Our novel spinal-rhythm technique, based on minimizing the potential energy in the passive tissues, disproportionately assigned motion to the upper cervical spine that was not physiological. Finally, using kinematics and electromyography collected from 8 healthy male volunteers, the authors calculated the compression at C7-T1 as a function of the head-trunk Euler angles. Differences from other models varied from 25.5 to 368.1 N. These differences in forces may result in differences in model geometry, passive components, number of degrees of freedom, or objective functions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,278
Écart entre enseignants0,268 · 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.

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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207