MétaCan
Menu
Retour à la cohorte
Enregistrement W4289731495 · doi:10.1113/ep090367

Training‐induced improvements in knee extensor force accuracy are associated with reduced vastus lateralis motor unit firing variability

2022· article· en· W4289731495 sur OpenAlexaff
Isabel A. Ely, Eleanor J. Jones, Thomas B. Inns, Síobhra Dooley, Sarah Miller, Daniel W. Stashuk, Philip J. Atherton, Bethan E. Phillips, Mathew Piasecki

Notice bibliographique

RevueExperimental Physiology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNIHR Nottingham Biomedical Research CentreVersus ArthritisMedical Research CouncilNational Institute for Health and Care Research
Mots-clésIsometric exerciseMotor unitPhysical medicine and rehabilitationElectromyographyMedicineVastus lateralis muscleMotor unit recruitmentPhysical therapyAnatomySkeletal muscle

Résumé

récupéré en direct d'OpenAlex

New Findings What is the central question of this study? Can bilateral knee extensor force accuracy be improved following 4 weeks of unilateral force accuracy training and are there any subsequent alterations to central and/or peripheral motor unit features? What is the main finding and its importance? In the trained limb only, knee extensor force tracking accuracy improved with reduced motor unit firing rate variability in the vastus lateralis, and there was no change to neuromuscular junction transmission instability. Interventional strategies to improve force accuracy may be directed to older/clinical populations where such improvements may aid performance of daily living activities. Abstract Muscle force output during sustained submaximal isometric contractions fluctuates around an average value and is partly influenced by variation in motor unit (MU) firing rates. MU firing rate (FR) variability seemingly reduces following exercise training interventions; however, much less is known with respect to peripheral MU properties. We therefore investigated whether targeted force accuracy training could lead to improved muscle functional capacity and control, in addition to determining any alterations of individual MU features. Ten healthy participants (seven females, three males, 27 ± 6 years, 170 ± 8 cm, 69 ± 16 kg) underwent a 4‐week supervised, unilateral knee extensor force accuracy training intervention. The coefficient of variation for force (FORCE CoV ) and sinusoidal wave force tracking accuracy (FORCE Sinu ) were determined at 25% maximal voluntary contraction (MVC) pre‐ and post‐training. Intramuscular electromyography was utilised to record individual MU potentials from the vastus lateralis (VL) muscles at 25% MVC during sustained contractions, pre‐ and post‐training. Knee extensor muscle strength remained unchanged following training, with no improvements in unilateral leg‐balance. FORCE CoV and FORCE Sinu significantly improved in only the trained knee extensors by ∼13% ( P = 0.01) and ∼30% ( P < 0.0001), respectively. MU FR variability significantly reduced in the trained VL by ∼16% ( n = 8; P = 0.001), with no further alterations to MU FR or neuromuscular junction transmission instability. Our results suggest muscle force control and tracking accuracy is a trainable characteristic in the knee extensors, which is likely explained by the reduction in MU FR variability which was apparent in the trained limb only.

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)0,000
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 enseignants0,863
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,031
Tête enseignante GPT0,262
Écart entre enseignants0,231 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental PhysiologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207