MétaCan
Menu
Retour à la cohorte
Enregistrement W4403464675 · doi:10.1016/j.isci.2024.111174

Increased muscle coactivation is linked with fast feedback control when reaching in unpredictable visual environments

2024· article· en· W4403464675 sur OpenAlexafffund
Philipp Maurus, Ghadeer Mahdi, Tyler Cluff

Notice bibliographique

RevueiScience · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesFaculty of Kinesiology, University of CalgaryNatural Sciences and Engineering Research Council of CanadaUniversity of Calgary
Mots-clésCoactivationVisual feedbackFeedback controlControl (management)Computer scienceNeuroscienceHuman–computer interactionPsychologyElectromyographyComputer visionArtificial intelligenceEngineeringControl engineering

Résumé

récupéré en direct d'OpenAlex

Humans encounter unpredictable disturbances in daily activities and sports. When encountering unpredictable physical disturbances, healthy participants increase the peak velocity of their reaching movements, muscle coactivation, and responses to sensory feedback. Emerging evidence suggests that muscle coactivation may facilitate responses to sensory feedback and may not solely increase stiffness to resist displacements. We tested this idea by examining how healthy participants alter the control of reaching movements and responses to sensory feedback when encountering variable visuomotor rotations. The rotations changed amplitude and direction between movements, creating unpredictable errors that required fast online corrections. Participants increased the peak velocity of their movements, muscle coactivation, and responses to visual and proprioceptive feedback with the variability of the visuomotor rotations. The findings highlight an increase in neural responsiveness to sensory feedback and suggest that muscle coactivation may prime the nervous system for fast responses to sensory feedback that accommodate properties of unpredictable visual environments.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,430

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 savante0,0000,001
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 Opus0,017
Tête enseignante GPT0,239
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'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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetMotor Control and AdaptationTravaux en français237 207