赫尔辛基大学医学系的和先进的技术,Yliopistonkatu 4, 00100年芬兰赫尔辛基
提交日期:2022年10月01,手稿不。jnhs - 22 - 80597;编辑分配:2022年10月03,QC前不。p - 80597;综述:2022年10月17日,QC。q - 80597;修改后:2022年10月24日,手稿。r - 80597;发表:2022年10月31日,DOI: 10.4172 / JNHS.2022.8.10.51
访问更多的相关文章研究和评论:护理和健康雷竞技苹果下载科学杂志》上。
神经肌肉疲劳、动态平衡、样本熵
敏锐的观察家知道自古以来,集中锻炼肌肉显示性能逐步下降,这种现象通常称为神经肌肉疲劳和最近性能易疲劳性。神经肌肉疲劳是广泛定义为最大减少力(或力矩)模型能力由运动引起的。这个定义是扩大到包括任何客观的测量性能的下降在一个特定的时间段,认识到能够产生最大的肌肉的力量并不是唯一的决定因素的运动性能。事实上,轻快的能力来控制高频的肌肉力量,也就是说,生成任务相关和精确的水平力,是一个重要的,虽然经常被忽视,确定性能的因素。
的变化一直被认为是一个不可避免的特性自愿肌肉收缩。因此,肌肉力量输出既不光滑,也不一致;相反,它表现出固有常数波动在所需的目标,表明力的控制并不完美。利比奈第一次评论的影响神经肌肉疲劳1920年控制力量的能力,称“震颤增加由于肌肉收缩,变得夸张的影响下工作(1- - - - - -3]。“一个世纪的后续研究发现提高级,最近,减少时间结构(即。,complexity) of muscle force fluctuations during fatiguing contractions, with both changes indicating a poorer ability to control muscle force.
最近的研究集中在机械基础的神经肌肉疲劳的轻快减少高频的肌肉力的控制,这意味着,与机制的最大作用产生能力减少,中央和周边过程可能涉及。然而,平等的,如果不是更多,重要的是锻炼肌肉力的控制损失性能的影响,在它阻碍的能力发挥所需的力和产生一个预期的运动轨迹;这就解释了大量的功能任务的性能的变化(例如,静态和动态平衡),并提出了相关的运动公差(4,5]。
本综述的目的是提供一个全面的概述的改变造成的肌肉力的控制神经肌肉疲劳。这次考试开始简要描述的肌肉力的控制测量和量化在神经肌肉疲劳。然后我们拿出证据与神经肌肉疲劳和肌肉力的控制如何变化讨论潜在的机械的基础。最后,我们讨论神经肌肉疲劳的性能影响肌肉力的控制损失。在整个复习,我们也强调之前的研究局限性和我们在知识方面的(,因此,未来的研究领域集中在)对神经肌肉疲劳肌肉力的控制。总之,传统magnitude-based措施提供一个指数的时间序列的偏差程度从一个固定的角度。
标准差(SD)量化输出波动绝对星等的肌肉力量,而变异系数(CV)量化波动的大小正常平均力输出,允许个体间比较/数量与不同的最大力量。这些指标反映力的一致性。然而,值得注意的是,力控制和力波动的大小只有年以来一直以这种方式计算的。此前,力的控制是经常用的频率或均方根生理和/或地震力。
magnitude-based措施无法区分输出与截然不同的动力学是他们的局限性。因措施描述即时连续点之间的关系(或一系列的点)在输出,允许时间不规则的量化,时间不可逆性和远程分形关系。近似熵(ApEn)和样本熵(SampEn)测量输出的规律性和随机性的程度,而去趋势波动分析(DFA)措施远程分形关联在一个输出。这些指标反映力适应性,能够快速、准确地调整力输出响应扰动。
菜单