MétaCan
Menu
Retour à la cohorte
Enregistrement W4411968230 · doi:10.1016/j.jelekin.2025.103030

Comparing motor unit number estimation techniques

2025· article· en· W4411968230 sur OpenAlexafffund
Mathew I. B. Debenham, O. Roussel, Chris J. McNeil, Michael Berger, Brian H. Dalton

Notice bibliographique

RevueJournal of Electromyography and Kinesiology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensKelowna General HospitalUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaInternational Collaboration On Repair Discoveries
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMotor unitIsometric exerciseElectromyographyCompound muscle action potentialMotor unit recruitmentAnatomyMedicineElectrophysiologyPhysical medicine and rehabilitationInternal medicine

Résumé

récupéré en direct d'OpenAlex

It is unclear how comparable motor unit number estimates (MUNEs) are when derived from a non-invasive technique involving repetitive peripheral nerve stimulation vs. one involving volitional contractions and intramuscular recordings of single motor units (MUs). Therefore, this study examined MUNEs from MScanFit (MScan) and Decomposition-Enhanced Spike-Triggered Averaging (DE-STA). Eighteen participants (8 females, 10 males; 29.7 ± 7.1 years) sat with their right leg positioned in an isometric myograph while surface electromyography (EMG) was recorded from the tibialis anterior (TA). The MScan protocol isolated and derived the size of single MUs by repeatedly stimulating the common fibular nerve at progressively weaker currents to model a compound muscle action potential (CMAP) stimulus-response curve. For DE-STA, a concentric needle electrode was inserted into the TA, and participants performed 30-s isometric dorsiflexion contractions at 25 % of maximal voluntary torque to obtain ≥20 individual surface MU potentials (S-MUPs; i.e., single MUs extracted from the surface EMG signal based on needle-detected spikes). Both techniques used the same maximal CMAP to calculate a MUNE, yet MScan used a mathematical model to simulate the recorded CMAP stimulus-response, which was compared to the recorded scan to minimize disagreement; whereas DE-STA compared the size of the maximal CMAP to the average S-MUP. There was no difference between the MUNE calculated via DE-STA (132 ± 26 MUs) and MScan (142 ± 22 MUs; p = 0.11), and the bias (10.0 MUs) and limits of agreement (67.6 vs -47.6 MU difference) suggests that either technique may independently offer a reasonable MU estimate for the TA of young adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Electromyography and KinesiologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207