A Comparison of Bioelectric and Biomechanical EMG Normalization Techniques in Healthy Older and Young Adults during Walking Gait
Notice bibliographique
Résumé
This study compares biomechanical and bioelectric electromyography (EMG) normalization techniques across disparate age cohorts during walking to assess the impact of normalization methods on the functional interpretation of EMG data. The biomechanical method involved scaling EMG to a target absolute torque (EMGTS) from a joint-specific task and the chosen bioelectric methods were peak and mean normalization taken from the EMG signal during gait, referred to as dynamic mean and dynamic peak normalization (EMGMean and EMGPeak). The effects of normalization on EMG amplitude, activation pattern, and inter-subject variability were compared between disparate cohorts, including OLD (76.6 yrs N = 12) and YOUNG (26.6 yrs N = 12), in five lower-limb muscles. EMGPeak normalization resulted in differences between YOUNG and OLD cohorts in Biceps Femoris (BF) and Medial Gastrocnemius (MG) that were not observed with EMGMean or EMGTS normalization. EMGPeak and EMGMean normalization also demonstrated interactions between age and the phase of gait in BF that were not seen with EMGTS. Correlations showed that activation patterns across the gait cycle were similar between all methods for both age groups and the coefficient of variation comparisons found that EMGTS produced the greatest inter-subject variability. We have shown that the normalization technique can influence the interpretation of findings when comparing disparate populations, highlighting the need to carefully interpret functional differences in EMG between disparate cohorts.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».