Evaluating motor unit properties after nerve transfer surgery
Notice bibliographique
Résumé
Nerve transfer surgery (NTS) shows promise in restoring movement to muscles paralyzed by spinal cord (SCI) and peripheral nerve injury (PNI). Yet, motor outcomes vary, and the neurophysiological factors influencing responders and non-responders remain unclear. As the fundamental goal of NTS is to reinnervate paralyzed muscles by creating new motor units (MUs), we examined MU properties after NTS for individuals with SCI and PNI. Nine participants (3 SCI, 6 PNI, 50.3 ± 13.9 years) >18 months post-NTS were evaluated and compared to either age-matched controls (SCI) or the contralateral limb (PNI). We used a sophisticated, signal processing software known as Decomposition-Based Quantitative Electromyography (DQEMG) and near-fiber EMG to examine MU characteristics sampled from needle electromyography signals recorded during low-intensity contractions. The NTS muscle MU potentials (MUP) were larger, and near-fiber MUPs (NFM) were more temporal dispersed than controls. Measures of neuromuscular junction instability were greater in NTS muscles compared to controls (p < 0.05). Firing rates of MU, and MUP phases and turns were not different between groups (p > 0.05). Overall, these data suggest the quality of reinnervation post-surgery requires further investigation as a potential mediator of motor outcome and the required time for successful reinnervation may be longer than currently predicted.
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 | 0,001 | 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) | 0,001 | 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 ».