MétaCan
Menu
Retour à la cohorte
Enregistrement W4399539092 · doi:10.3990/1.9789036561853

Alpha to tau: mapping the neuromechanical continuum from α-motor neuron firing behavior to joint torque

2024· dissertation· en· W4399539092 sur OpenAlexaff
Antonio Gogeascoechea

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésNeuroscienceTorqueJoint (building)PsychologyComputer sciencePhysicsEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Human movement emerges from the coordinated interaction between the central nervous system (CNS) and the musculoskeletal system. At the heart of this interaction lies the motor unit (MU), the smallest functional entity of musculoskeletal force generation, comprising an α-motor neuron (MN) and the muscle fibers it innervates. While substantial research has been dedicated to both α-MNs and innervated skeletal fibers, the precise mechanisms by which MN activity is converted into skeletal mechanical force remain incompletely understood. An important element hampering progress is the limited understanding of how differences in MU's firing and contractile properties impact musculoskeletal force generation in intact humans in vivo. These variations stem from intrinsic physiological differences among individuals and are further shaped by factors such as physical training, injury, or disease. Therefore, a deeper comprehension of this excitation-contraction coupling and its consequent impact on force capacity is crucial for creating tailored rehabilitation protocols that are finely adjusted to the unique physiological conditions of each individual.<br/>This dissertation introduces novel methodologies to explore the response of α-MNs to external electrical stimuli in incomplete spinal cord injury individuals, and their interaction with muscles to produce mechanical force. This research endeavor aims at reconciling neuronal activity with the resultant musculoskeletal mechanics. Moreover, the techniques proposed are designed with computational efficiency in mind, broadening the horizon for their application in real-time settings. <br/>Our MU-centered approach comprised four main components. First, we decoded MU firing events via high-density electromyography (EMG) decomposition (Chapters 2-4). Second, we sampled temporal and spectral firing characteristics of the sampled MUs in healthy (Chapters 3 and 4) and motor-impaired individuals (Chapter 2). Third, we established a link between MU firing patterns and their corresponding twitch responses, which facilitates the creation of MU-specific activation dynamics for individual muscles (Chapters 3 and 4). This achievement was central for the integration of MU firing function with personalized neuro-musculoskeletal models, thus providing a comprehensive view of the interplay between neuronal and musculoskeletal systems (Chapter 3 and Chapter 4). Fourth, we extended the state-of-the-art decomposition techniques to enrich the identification of MN firing events in high-force contractions and locomotive activities. This breakthrough not only directs our approaches toward tasks that embody the diverse challenges of daily life but also holds profound implications for their application in rehabilitation settings.<br/>

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,288
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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Neural EngineeringTravaux en français237 207