Predictive Contribution of the Superficial Neck Muscles to Short-Latency Rate of Force Development of the Head and Neck
Notice bibliographique
Résumé
PURPOSE: To evaluate the contribution of splenius capitis, sternocleidomastoid, and upper fibers of trapezius activation to the gains in rate of force development (RFD) of the head and neck during maximum voluntary ballistic contractions. METHODS: RFD gain was facilitated by a single-session intervention for maximum voluntary ballistic contractions in the anterior direction, oriented at 45° to the midsagittal plane, which require active restraint of axial rotation. Muscle activation for the agonist (sternocleidomastoid) and 2 antagonists (splenius capitis and upper fibers of trapezius) was evaluated. The study sample included 12 physically active men (mean age, 22.6 y). RFD (N·m·s-1; 0-100 ms) and integrated muscle activity (50 ms before and 100 ms after force onset) were measured at 10 minutes, 20 minutes, and 2 days postintervention, relative to baseline. Muscle activation predictive of RFD gains was evaluated by linear regression analysis. RFD reproducibility was evaluated using the coefficient of variation of the typical error. RESULTS: The intervention yielded a 1.95- to 2.39-fold RFD gain (P ≤ .05), with greater RFD gain for participants with a lower peak moment of force (<10.9 N·m) than those with a higher peak moment (≥10.9 N·m) at baseline (P ≤ .002). For the low group, 65% to 74% of the RFD gain was predicted by ipsilateral sternocleidomastoid activation, with ipsilateral splenius capitis activation predicting 77% to 92% of RFD gain for the high group. Absolute peak and impulse of static force were greater for the high than for the low group (P ≤ .04). RFD reproducibility was high (coefficient of variation of the typical error ≤ 14.4%). CONCLUSIONS: The agonist- and antagonist-focused synergies might reflect different functional priorities, higher RFD gain compared with higher head-neck force.
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 | 0,004 |
| 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 | 0,000 |
| 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 ».