A novel time-based surface EMG measure for quantifying hypertonia in paretic arm muscles during daily activities after hemiparetic stroke
Notice bibliographique
Résumé
ABSTRACT After stroke, paretic arm muscles are constantly exposed to abnormal neural drive from the injured brain. As such, hypertonia, broadly defined as an increase in muscle tone, is prevalent especially in distal muscles, which impairs daily function or in long-term leads to a flexed resting posture in the wrist and fingers. However, there currently is no quantitative measure that can reliably track how hypertonia is expressed on daily basis. In this study, we propose a novel time-based surface electromyography (sEMG) measure that can overcome the limitations of the coarse clinical scales often measured in functionally irrelevant context and the magnitude-based sEMG measures that suffer from signal non-stationarity. We postulated that the key to robust quantification of hypertonia is to capture the “true” baseline in sEMG for each measurement session, by which we can define the relative duration of activity over a short time segment continuously tracked in a sliding window fashion. We validate that the proposed measure of sEMG active duration is robust across parameter choices (e.g., sampling rate, window length, threshold criteria), robust against typical noise sources present in paretic muscles (e.g., low signal-to-noise ratio, sporadic motor unit action potentials), and reliable across measurements (e.g., sensors, trials, and days), while providing a continuum of scale over the full magnitude range for each session. Furthermore, sEMG active duration could well characterize the clinically observed differences in hypertonia expressed across different muscles and impairment levels. The proposed measure can be used for continuous and quantitative monitoring of hypertonia during activities of daily living while at home, which will allow for the study of the practical effect of pharmacological and/or physical interventions that try to combat its presence.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».