Effect of Neck Muscle Vibration Prior to Motor Learning on Short-Latency SEP Peak Amplitudes and Motor Performance
Notice bibliographique
Résumé
Background/Objectives: Neck muscle vibration alters neural processing, sensorimotor integration, and proprioception in healthy adults. Significant differential changes in the N18 and N24 somatosensory evoked potential (SEP) peak amplitudes, coupled with altered motor learning, occurred when completion of a force-matching task took place following neck muscle vibration. It is currently unknown if neck muscle vibration also impacts acquisition of skills from visuomotor tracking tasks, a gap this research addresses. Methods: A total of 25 right-handed, healthy participants were divided into vibration (age: 21.7 ± 1.89, n = 13; 8 females) (V) and no-vibration (NV) control (age: 21.2 ± 3.03, n = 12; 6 females) groups. The vibration was device applied over the right sternocleidomastoid and left cervical extensor muscles. The participants underwent right-median-nerve stimulation at 2.47 Hz and 4.98 Hz to elicit SEPs. A total of 1000 sweeps were recorded and averaged using an ANT Neuro Waveguard 64-lead EEG cap (ANT Neuro, the Netherlands, Manufactured by Eemagine, Berlin, Germany)pre- and post-completion of a novel visuomotor tracing task (MTT). Post-acquisition, the NV group had a 10 min rest, and the V group received 10 min of vibration at 60 Hz before motor task completion, followed immediately by post-acquisition and retention 24 h after. Results: N18 peak: The V group exhibited a proportional amplitude increase of 19%, while the NV group exhibited a 36% decrease. There was a trend toward decreased retention in the V group. P25 showed a significant effect of time, with increases of 11% for V and 9% for NV. Conclusions: V resulted in N18 SEP changes post-MTT-skill-acquisition. Both groups appeared to learn, with the V trending towards less retention.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».