Neuromuscular fatigue reduces force responsiveness when controlling leg external forces
Notice bibliographique
Résumé
Agile movement requires precise control of ground reaction forces, yet the impact of neuromuscular fatigue on this control remains incompletely understood. We investigated how leg muscle fatigue affects the nervous system's ability to modulate vertical ground reaction forces, hypothesizing that fatigue would impair responsiveness, and accuracy. Eighteen healthy participants (11 W, 7 M; age: 26 ± 3.8 yr) performed force-matching tasks using a custom apparatus that constrained body movement while allowing isolated leg force production. Participants force matched visual step targets before and after fatigue, which we induced by sustained submaximal contractions. We then quantified responsiveness (rise time, bandwidth) and accuracy (overshoot, steady-state error, variability). Fatigue reduced MVC force by 26.1 ± 12.3% (from 2.95 ± 0.58 to 2.20 ± 0.47 body weights; p = 4.70e-6) and impaired responsiveness, with rise time increasing 23.3 ± 41.0% (from 303 ± 100 to 373 ± 94 ms; p = 6.00e-4) and bandwidth decreasing 25.2 ± 17.5% (from 1.33 ± 0.60 to 1.00 ± 0.25 Hz; p = 4.83e-2). Notably, accuracy remained largely unchanged, with only a transient decrease in overshoot from 4.30 ± 2.62% to 2.56 ± 1.19% (p = 0.047). These findings show neuromuscular fatigue selectively impairs the speed of leg force adjustments while preserving accuracy, possibly through compensatory strategies. This dissociation has implications for understanding motor control deficits and injury risk during fatigue.
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 ».