What are the best indicators of myoelectric manifestation of fatigue?
Notice bibliographique
Résumé
Abstract The myoelectric manifestation of fatigue (MMF) is predominantly assessed using median frequency and amplitude of electromyographic (EMG) signals. However, EMG has complex features so that fractals, correlation, entropy, and chaos MMF indicators were introduced to detect alteration of EMG features caused by muscle fatigue that may not be detected by linear indicators. The aim of this study was to determine the best MMF indicators. Twenty-four participants were equipped with EMG sensors on 9 shoulder muscles and performed a repetitive pointing task. They reported their rate of perceived exertion every 30 seconds and were stopped when they reached 8 or higher on the CR10 Borg scale. Partial least square regression was used to predict perceived exertion through 15 MMF indicators. In addition, the proportion of participants with a significant change between task initiation and termination was determined for each MMF indicator and muscle. The PLSR model explained 73% of the perceived exertion variance. Median frequency, mobility, spectral entropy, fuzzy entropy, and Higuchi fractal dimension had the greatest importance to predict perceived exertion and changed for 83.5% participants on average between task initiation and termination for the anterior and medial deltoids. The amplitude, activity, approximate, sample, and multiscale entropy, degree of multifractality, percent determinism and recurrent, correlation dimension, and largest Lyapunov exponent analysis MMF indicators were not efficient to assess MMF. Mobility, spectral entropy, fuzzy entropy, and Higuchi fractal dimension should be further considered to assess muscle fatigue and their combination with median frequency may further improve the assessment of muscle fatigue.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».