Evaluating the Relationship Between Surface and Intramuscular-Based Electromyography Signals: Implications of Subcutaneous Fat Thickness
Notice bibliographique
Résumé
Intramuscular (iEMG) and surface electromyographic (sEMG) signals have been compared previously using predictive regression equations, finite element modeling, and correlation and cross-correlation analyses. Although subcutaneous fat thickness (SCFT) has been identified as a primary source of sEMG signal amplitude attenuation and low-pass filter equivalence, few studies have explored the potential effect of SCFT on sEMG and iEMG signal characteristics. The purpose of this study was to investigate the relationship between normalized submaximal iEMG and sEMG signal amplitudes collected from 4 muscles (rectus femoris, vastus lateralis, infraspinatus, and erector spinae) and determine whether SCFT explains more variance in this relationship. The effect of sex was also explored. Linear regression models demonstrated that the relationship between sEMG and iEMG was highly variable across the muscles examined (adjusted coefficient of determination [Adj R2] = .02-.74). SCFT improved the model fit for vastus lateralis, although this relationship only emerged with the inclusion of sex as a covariate. Thus, this research suggests that SCFT is not a prominent factor affecting the linearity between sEMG and iEMG. Researchers should investigate other parameters that may affect the linearity between sEMG and iEMG signals.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».