La combinaison de la stimulation corticale et spinale maximise l'amélioration de la marche après une lésion médullaire
Bibliographic record
Abstract
Les lésions de la moelle épinière incomplètes (LME) sont associées à des déficits moteurs chroniques. Les thérapies neuroprosthétiques peuvent cibler les voies encore intactes pour traiter les déficits locomoteurs. Puisqu’aucune étude n’a directement comparé l’effet individuel et combiné de la stimulation corticale et spinale sur la récupération de la marche, notre laboratoire a développé une neuroprothèse qui stimule les circuits moteurs corticaux et spinaux en synchronisation avec la marche. Nous avons évalué les effets immédiats de la stimulation corticale et/ou spinale sur la locomotion sur tapis roulant à l’état intact et suivant une LME au niveau thoracique 9 (T9). Les rats ont été implantés avec des électrodes électromyographiques (EMG) dans les muscles des membres postérieurs, une matrice de 32 électrodes dans le cortex moteur et des électrodes au niveau des segments lombaire (L2) et sacré (S1). L’analyse de la cinématique de la marche a démontré une amélioration synergique des mouvements des jambes grâce à la stimulation spatiotemporelle du cortex moteur, de L2 et S1 comparativement aux stimulations individuelles. Les effets à long terme ont été évalués suite à l’intégration de la neuroprothèse cortico-spinale à un protocole de réadaptation de 3 semaines. Sur une tâche d’échelle, les rats entraînés avec la stimulation corticale, avec ou sans stimulation spinale, ont obtenu des performances supérieures, démontrant l’importance de la stimulation corticale pour la récupération du contrôle moteur volontaire. Ces expériences ont permis une compréhension approfondie des réponses motrices spécifiques à chaque type de stimulation selon différents paramètres pour l’optimisation de la neuroprothèse. Nos résultats ont démontré l’importance d’adopter une approche combinée en intégrant la stimulation corticale et spinale et pourront guider de futurs protocoles de réadaptation après une LME.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".