Temporal Summation of Subthreshold Stimuli in Human Motor Axons: Implications for Intraoperative Neuromonitoring
Notice bibliographique
Résumé
Abstract Objectives To examine how stimulus amplitude and width influence subthreshold superexcitability of peripheral axons and to provide evidence-based recommendations for minimizing inadvertent compound muscle action potential (CMAP) generation during intraoperative corticobulbar monitoring. Methods Fifteen healthy participants received median nerve stimulation under nine conditions combining three amplitudes (80%, 85%, and 90% of threshold) and three pulse widths (0.1 ms, 0.5 ms, 1.0 ms). Trains of 1–7 subthreshold pulses (2 ms interpulse interval) were delivered 10 times per condition. CMAPs were recorded from the abductor pollicis brevis (APB), and the probability of a response exceeding 100 µV (baseline-to-negative-peak) was calculated. Persistent sodium current was estimated using the latent addition test (LAh). Results Higher pulse amplitudes and wider pulse widths significantly increased CMAP probability, with a significant interaction (F(4,56) = 4.853, p = .002, partial η² = .257). All pairwise comparisons were significant (p ≤ .023). When controlling for rheobase, LAh was positively correlated with response probability (r partial (12) = .539, p = .047). Conclusions & Significance Subthreshold trains activate motor axons in a predictable manner depending on amplitude, width, and train length. These findings challenge current IONM assumptions and highlight the need for threshold-referenced, standardized protocols.
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) | 0,001 | 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 | 0,001 |
| 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 ».