MétaCan
Menu
Retour à la cohorte
Enregistrement W4394018908 · doi:10.1016/j.apergo.2024.104284

Impact of repetitive mouse clicking on forearm muscle fatigue and mouse aiming performance

2024· article· en· W4394018908 sur OpenAlexafffund
Garrick N. Forman, Lucas P. Melchiorre, Michael W.R. Holmes

Notice bibliographique

RevueApplied Ergonomics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMuscle fatigueForearmPhysical medicine and rehabilitationMedicineUpper limbPhysical therapyElectromyographyAnatomy

Résumé

récupéré en direct d'OpenAlex

Exercise induced performance fatigue has been shown to impair many aspects of fine motor function in the distal upper limb. However, most fatiguing protocols do not reflect the conditions experienced with computer use. The purpose of this study was to determine how a prolonged, low-force mouse clicking fatigue protocol impacts performance fatigue of the distal upper limb for gamers and non-gamers. Participants completed a total of 1 h of mouse clicking at 5 clicks per second. Muscle fatigue and performance were intermittently assessed. RMS amplitude increased for the forearm flexors throughout the fatigue protocol. Accuracy decreased following the first bout of clicking and returned to baseline values after 40-min. EDC and ECU displayed the greatest muscle activity while aiming, producing 11.4% and 12.9% of MVC, respectively. These findings indicate that mouse clicking may not result in performance fatigue, however, high levels of extensor activity may explain common injuries among gamers.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil0,565

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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,221 · 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'étudeAutre devis
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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied ErgonomicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207