Clinician-accessible motor assessment with surface EMG: Key parameters and reliability
Notice bibliographique
Résumé
Despite the evident value of surface electromyography (EMG) in neurorehabilitation, its clinical use is limited. Researchers have developed many sophisticated EMG methods to test scientific hypotheses and address technical issues. However, there is a lack of simple and easily reproduced (i.e., clinician-accessible) procedures with available reference literature to support interpretation. To make EMG assessments accessible and interpretable for clinicians, we propose a template for surface EMG acquisition and data analysis using stereotyped movements and manual cursor placements. We apply our template by creating a simple protocol for measuring the root mean square (RMS) and mean frequency (MNF) of the EMG signal in active muscles during hand opening, wrist extension and flexion, and elbow flexion. In 36 healthy males and females, we assess interclass correlations (ICCs) to evaluate the relative inter-rater reliability of manual cursor placements, and the relative inter-session reliability of the MNF and RMS values. We also assess smallest detectible change (SDC) between assessments as a function of the number of contributing measurements (i.e., repetitions). Manual cursor placement exhibited excellent inter-rater reliability (ICC > 0.9) and inter-session reliability of MNF and RMS feature measurements was good (0.75 > ICC > 0.9) or excellent. As expected, SDCs decreased as movement repetitions increased. Compared to a single RMS measurement, taking the 14-repetition mean lowered SDC 95 by 21% for elbow flexion, 118% for wrist extension, 66% for wrist flexion and 15% for hand opening. Compared to a single MNF value taking a 14-reepetion mean reduces the SDC 95 by 3 Hz for elbow flextion, 4 Hz for wrist extension, 5 Hz for wrist flexion, and 4 Hz for hand opening. We demonstrate a clinician-accessible template for reliable EMG assessment, and an intuitive approach to interpreting changes in the obtained measurements. Designing protocols explicitly for broad use by clinicians will be necessary to advance clinical acceptance and integration of the modality into practice.
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 | 0,028 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».