Multipoint Stimulation Motor Unit Number Estimation of the Extensor Indicis and Anconeus After Spinal Cord Injury
Notice bibliographique
Résumé
INTRODUCTION/AIMS: Cervical spinal cord injury (SCI) significantly impairs upper limb function, affecting patients' quality of life. Nerve transfer surgery can restore arm and hand function, but its success depends on the health of infralesional lower motor neurons (LMNs). LMN abnormalities are prevalent in muscles targeted for nerve transfer, particularly those innervated by the posterior interosseous nerve (PIN) and radial nerve, essential for wrist extension and hand opening. This study evaluates the health of infralesional LMNs in cervical SCI using multipoint stimulation motor unit number estimation (MPS-MUNE). We assessed motor unit counts in the C7-innervated anconeus and the predominantly C8-innervated extensor indicis (EI) to determine their viability as targets for nerve transfer surgery. METHODS: We conducted a prospective, two-center cohort study using MPS-MUNE to evaluate 15 individuals with cervical SCI (26 limbs) and 17 healthy controls. RESULTS: Compound muscle action potential (CMAP) and MUNE values were significantly lower in SCI patients compared to controls (EI CMAP: 2.0 mV ± 1.57, EI MUNE: 33 ± 30.5; anconeus CMAP: 2.7 mV ± 1.9, anconeus MUNE: 39 ± 50.6 versus controls: EI CMAP: 6.6 mV ± 1.0, EI MUNE: 137 ± 33.9; anconeus CMAP: 6.6 mV ± 1.3, anconeus MUNE: 146 ± 42.3). Test-retest reliability for EI and anconeus were 0.84 (CI: 0.45-0.95) and 0.78 (CI: 0.36-0.93), respectively. DISCUSSION: Significant LMN loss was observed after cervical SCI. MPS-MUNE shows potential for evaluating LMN health, highlighting its importance for assessing nerve transfer targets and planning interventions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».