Comparison of sEMG activity of submental muscles between the head‐lift exercise, tongue‐press exercise and the head extension tongue‐press exercise in healthy young adults
Notice bibliographique
Résumé
BACKGROUND: Swallowing is a complex function that requires precise coordination between different muscles. Weakness in submental muscles can lead to complications such as pharyngeal residue and aspiration. Therefore, exercise interventions targeting these muscles, such as the Head-Lift Exercise (HLE), are clinically important but pose challenges. OBJECTIVE(S): This study aimed to compare the myoelectric activity of submental muscles during traditional Head-Lift Exercise (HLE), Tongue-Press Exercise (TPE) and Head Extension Tongue-Press Exercise (HETPE), providing potential alternatives to HLE. METHODS: Thirty healthy volunteers (22 females and 8 males, mean age 25.63 ± 5.27 years) participated in this cross-sectional study. Surface electromyography (sEMG) recorded activity of the submental muscles bilaterally during HLE, TPE and HETPE. Participants performed each manoeuvre for 14 s, repeated three times in a counterbalanced order. Statistical analyses assessed differences in mean, maximum and median frequency of the sEMG signals among manoeuvres using repeated-measures analysis of variance (RM-ANOVA). The experienced irritation levels by participants during manoeuvres were also compared by the Friedman test. RESULTS: HETPE exhibited significantly higher maximum sEMG activity compared to HLE and TPE (p < .05). Mean sEMG activity was significantly increased during HETPE compared to TPE. Median frequency was significantly lower during HETPE compared to the two other exercises, indicating greater muscle fatigue. Participants reported similar levels of irritation for HLE and HETPE, and significantly lower levels during TPE. CONCLUSION: These results indicate that HETPE is effective in activating and strengthening submental muscles, potentially serving as a viable alternative to HLE without added difficulty. Further research is recommended to assess the long-term impacts on swallowing physiology in patients with dysphagia.
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 | 0,001 |
| 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 ».