The Effects of Exercise-Induced Muscle Damage on Antagonist Muscles in Upper Limb Reaching Tasks
Notice bibliographique
Résumé
Coordination and control of multiple muscle groups are critical when adapting to movement disruptions, such as altered goals or pathways. Humans use sensory information from internal and external sources to engage in online movement control. Proprioception, mainly obtained from sensors in the muscles such as muscle spindles, is an important source of sensory information. After intense or unusual exercise, exercise-induced muscle damage (EIMD) can occur within 24 to 48 hours. EIMD can also increase noise in the signals generated by the sensory organs in the muscles and may influence online movement control. The objective of the study is to investigate the effects of EIMD on upper-limb movement control. Four right-handed, neurologically healthy, female participants (aged 20-21, M = 0.5) took part in the pilot experiment, they had normal, or corrected-to-normal vision, and participated in less than 5 hours of structured strength training weekly. The study consisted of familiarization and baseline testing, an exercise protocol, and a muscle damage assessment. In each session, a maximal voluntary contraction of the biceps brachii was assessed using a dynamometer. This dynamometer was also used for the EIMD-inducing protocol. To test the effects of EIMD on online control, participants completed a series of reaching tasks using the Kinarm Exoskeleton Robot. During some reaches, participants were required to correct their movement to either a force or target perturbation. Our pilot data shows that our protocol successfully induced muscle damage, as well as less antagonistic muscle (bicep) activation during reaching tasks. This suggests reduced biceps muscle contribution to movement control post-exercise. A decrease in movement time could signify learning and requires further exploration. We are hopeful that with further data collection, we will establish that participants are less accurate and have reduced flexor muscle activity in responses to both types of perturbations, compared to baseline.
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 | 0,002 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».