To what extent do the muscles and tendons influence metabolic cost and exercise tolerance in the hypermobile Ehlers-Danlos Syndrome and Hypermobility Spectrum Disorders?
Notice bibliographique
Résumé
BACKGROUND: Individuals with hypermobile Ehlers-Danlos Syndrome (hEDS) and Hypermobility Spectrum Disorders (HSD) often experience chronic pain, muscle fatigue, and exercise intolerance, potentially due to altered muscle-tendon mechanics. This study investigated the influence of Achilles tendon (AT) compliance and plantar flexor muscle function on the metabolic cost of walking in individuals with and without HSD/hEDS. METHODS: Eleven individuals with HSD/hEDS and 11 age- and sex-matched controls completed walking trials at, below, and above their preferred walking speed. Achilles tendon stiffness, medial gastrocnemius muscle shortening, AT energy storage, pain, and lower limb electromyographic activity were evaluated during stance phase. The energy cost of walking was also computed. FINDINGS: The hypermobile conditions were associated with significantly lower AT stiffness, higher energy cost of walking and increased pain. Muscle fascicle shortening, shortening velocity, muscle energy cost and mechanical efficiency were similar between groups. Greater muscle activation and antagonist coactivation were observed in HSD/hEDS, particularly during early stance, likely reflecting compensatory mechanisms for joint instability. INTERPRETATION: Elevated cost of walking in HSD/hEDS appears driven not by increased plantar flexor work, but by a redistribution of joint work to more proximal joints. These findings suggest that altered muscle-tendon properties and neuromuscular control strategies contribute to exercise intolerance and fatigue in the Hypermobility Spectrum Disorders and hypermobile Ehlers-Danlos Syndrome.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».