Evaluating stability of human spine in static tasks: a combined <i>in vivo</i>-computational study
Notice bibliographique
Résumé
Various interpretations and parameters have been proposed to assess spinal stability such as antagonist muscle coactivity, trunk stiffness and spinal buckling load; however, the correlation between these parameters remains unknown. We evaluated spinal stability during different tasks while changing the external moment and load height and investigated likely relationships between different EMG- and model-based parameters (e.g., EMG coactivity ratio, trunk stiffness, force coactivity ratio) and stability margins. EMG and kinematics of 40 young healthy subjects were recorded during various quasi-static tasks. Muscle forces, trunk stiffness and stability margins were calculated by a nonlinear subject-specific EMG-assisted-optimization musculoskeletal model of the trunk. The load elevation and external moment increased muscle activities and trunk stiffness while all stability margins (i.e., buckling loads) decreased. The force coactivity ratio was strongly correlated with the hand-load stability margin (i.e., additional weight in hands to initiate instability; R2 = 0.54) demonstrating the stabilizing role of abdominal muscles. The total trunk stiffness (Pearson’s r = 0.96) and the sum of EMGs of back muscles (Pearson’s r = 0.65) contributed the most to the T1 stability margin (i.e., additional required load at T1 for instability/buckling). Force coactivity ratio and trunk stiffness can be used as alternative spinal stability metrics.
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 | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».