Development of a Coaching System for Functional Electrical Stimulation Rowing: A Feasibility Study in Able-Bodied Individuals
Notice bibliographique
Résumé
Background: Functional electrical stimulation (FES) during rowing has substantial effects on cardiovascular health in individuals with spinal cord injuries. Currently, manual stimulation control where stimulation is operated by rowers is mostly utilized. However, it takes time to obtain the skill to initiate FES at the optimal timing. The purpose of this study was to develop a coaching system that helps rowers to initiate FES at the optimal timing. Methods: The optimal range for FES application was identified based on the electromyography of the left quadriceps in 10 able-bodied individuals (AB). Then, the effects of the coaching system on the timing of button-pressing, power, and work were investigated in 7 AB. Results: Vastus lateralis (VL) activation began consistently before the seat reached the anterior-most position. Therefore, seat position at the onset of VL was used as the variable to control the switch timing in the coaching system. The results revealed significantly higher power and work outputs in the coaching than the no-coaching condition (median power coaching: 19.10 W, power no-coaching: 16.48 W, p = 0.031; median work coaching: 109.74 J, work no-coaching: 65.25 J, p = 0.047). Conclusions: The coaching system can provide the optimal timing for FES, resulting in improved performance.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».