Quantifying Knee Strength Deficits and Muscular Contribution to Torque Generation in ACL-Injured Adolescents Using A Simple Musculoskeletal Model
Notice bibliographique
Résumé
Background: Surface electromyography (sEMG) is commonly used to elucidate the effect of anterior cruciate ligament (ACL) injury on neuromuscular function. To facilitate comparisons, sEMG is normalized to a known value, such as peak activation during a maximum voluntary isometric contraction (MVIC). However, voluntary muscle inhibition after an injury compromises one’s ability to achieve a true MVIC value. Musculoskeletal modeling can be used to quantify this strength deficit by comparing a theoretical MVIC torque to the actual MVIC torque. Purpose: This study sought to evaluate voluntary knee extensor and flexor strength deficits and individual muscle contribution to peak torque generation in ACL injured (ACLi) and uninjured (CON) adolescent populations using a simplified subject-specific modeling framework. Methods: Thirty-nine ACLi (25 females) and 39 CON (25 females) adolescents (12-17years) completed knee extension and flexion MVICs on an isokinetic dynamometer. Peak experimental torque (TE) was identified. A subject-specific modeling framework used normalized sEMG of the quadriceps, hamstrings, and gastrocnemius muscles to determine theoretically ideal torque (TI) for each exercise, assuming agonist muscles were fully activated. Strength deficit ratios (TE/TI) and individual muscle contribution to TE were computed. Group mean differences were compared using independent t-tests. Results: ACLi demonstrated significantly lower extension (2.53±0.94 vs 3.07±0.57Nm/kg, p<0.001) and flexion (1.14±0.50 vs 1.37±0.31Nm/kg, p<0.001) peak TE compared to CON (FIG 1.A). Significant between group differences in sEMG of antagonist muscles were observed. Both groups demonstrated similar TI values (FIG 1.B-upper). Significantly lower trends in strength ratios (TE/TI) were maintained between groups (FIG 1.B-lower). However, percent between group differences were minimized from 17.8% to 6.3% for knee extension, and 16.7% to 10.0% for knee flexion, when TE is expressed relative to TI. Significantly lower medical gastrocnemius contribution to flexion TE was also observed in the ACLi (24.7±0.08%) compared to CON (30.9±10.1%, p=0.037). Conclusion: Significant between group differences in peak extensor or flexor torques were observed. Our model confirmed a strength deficit in ACLi compared to CON, however, between group differences were less prominent when described relative to TI. This may be attributed to between group differences in antagonist contributions (i.e. co-contraction) during MVIC exercise. Simplified modeling frameworks that can incorporate muscle activations as well as torque generation may be more appropriate for evaluating functional outcomes of ACLi populations in a clinical setting. [Figure: see text]
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».