MétaCan
Menu
Retour à la cohorte
Enregistrement W4292160715 · doi:10.1016/j.compbiomed.2022.105973

Automatic jitter measurement in needle-detected motor unit potential trains

2022· article· en· W4292160715 sur OpenAlexaff
Armando Malanda, Daniel W. Stashuk, Javier Navallas, Javier Rodríguez-Falces, Ignacio Rodríguez, César Valle, Oscar Garnés‐Camarena

Notice bibliographique

RevueComputers in Biology and Medicine · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversidad Pública de NavarraUniversidad de Navarra
Mots-clésJitterMotor unitTrainComputer scienceSimulationBiomedical engineeringMedicineAnatomyTelecommunications

Résumé

récupéré en direct d'OpenAlex

In an active motor unit (MU), the time intervals between the firings of its muscle fibers vary across successive MU activations. This variability is called jitter and is increased in pathological processes that affect the neuromuscular junctions or terminal axonal segments of MUs. Traditionally, jitter has been measured using single fiber electrodes (SFEs) and a difficult and subjective manual technique. SFEs are expensive and reused, implying a potential risk of patient infection; so, they are being gradually substituted by safer, disposable, concentric needle electrodes (CNEs). As CNEs are larger, voltage contributions from individual fibers of a MU are more difficult to detect, making jitter measurement more difficult. This paper presents an automatic method to estimate jitter from trains of motor unit potentials (MUPs), for both SFE and CNE records. For a MUP train, segments of MUPs generated by single muscle fibers (SF MUP segments) are found and jitter is measured between pairs of these segments. Segments whose estimated jitter values are not reliable, according to several SF MUP segment characteristics, are excluded. The method has been tested in several simulation studies that use mathematical models of muscle fiber potentials. The results are very satisfactory in terms of jitter estimation error (less than 10% in most of the cases studied) and mean number of valid jitter estimates obtained per simulated train (greater than 1.0 in many of the cases and less than 0.5 only in the most complicated). A preliminary study with real signals was also performed, using 19 MUP trains from 3 neuropathic patients. Jitter measurements obtained by the automatic method were compared with those extracted from a commercial system (Keypoint) and the edition and supervision of an expert electromyographer. From these measurements 63% were taken from equivalent interval pair sites within the time span of the MUP trains and, as such, were considered as compatible measurements. Differences in jitter of these compatible measurements were very low (mean value of 1.3 μs, mean of absolute differences of 2.97 μs, 25% and 75% percentile intervals of -0.85 and 3.82 μs, respectively). Although new tests with larger number of real recordings are still required, the method seems promising for clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,243
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputers in Biology and MedicineMême sujetMuscle activation and electromyography studiesTravaux en français237 207