Afin d’être représentatif d’un niveau d’effort musculaire, le signal électromyographique
(EMG) est exprimé par rapport à une valeur d’activation maximale. Comme l’épaule est
une structure articulaire et musculaire complexe, aucune contraction volontaire isométrique
(CVMi) proposée dans la littérature ne permet d’activer maximalement un même
muscle de l’épaule pour un groupe d’individus. L’objectif de ce mémoire est de développer
une approche statistique permettant de déterminer les CVMi optimales afin de maximiser
les niveaux d’activation d’un ensemble de muscles de l’épaule.
L’amplitude du signal EMG de 12 muscles de l’épaule a été enregistrée chez 16 sujets
alors qu’ils effectuaient 15 CVMi. Une première approche systématique a permis de
déterminer les 4 CVMi parmi les 15 qui ensemble maximisent les niveaux d’activation
pour les 12 muscles simultanément. Ces 4 contractions ont donné des niveaux d’activation
supérieurs aux recommandations antérieures pour 4 muscles de l’épaule. Une seconde approche
a permis de déterminer le nombre minimal de CVMi qui sont nécessaires afin de
produire un niveau d’activation qui n’est pas significativement différent des valeurs d’activation
maximales pour les 16 sujets. Pour 12 muscles de l’épaule, un total de 9 CVMi
sont requises afin de produire des valeurs d’activation qui sont représentatives de l’effort
maximal de tous les sujets.
Ce mémoire a proposé deux approches originales, dont la première a maximisé les
niveaux d’activation qui peuvent être produits à partir d’un nombre fixe de CVMi tandis
que la deuxième a permis d’identifier le nombre minimal de CVMi nécessaire afin de
produire des niveaux d’activation qui ne sont pas significativement différentes des valeurs
d’activation maximales. Ces deux approches ont permis d’émettre des recommandations
concernant les CVMi nécessaires à la normalisation de l’EMG afin de réduire les risques
de sous-estimer l’effort maximal d’un ensemble d’individus. / As a means to provide information on the intensity of the muscle activity, the electromyographic
(EMG) signal must be expressed as a percentage of a maximum activation
value. Because of the anatomical complexity of the shoulder, no single maximum voluntary
isometric contraction (MVIC) has been found to maximally activate the same muscle for
a group of subjects. The objective of this study is to develop a statistical approach to
determine the optimal MVICs that can maximise the activation levels for several shoulder
muscles.
The amplitude of the EMG signal of 12 shoulder muscles was recorded as 16 subjects
performed 15 MVICs in standardised positions. A first systematic approach was used to
determine the optimal 4 MVICs amongst 15 that could maximise the activation levels
of 12 shoulder muscles simultaneously. The activation levels produced by these 4 MVICs
were significantly higher than those produced by previous recommendations. A second
approach was adopted to identify the minimum number of MVICs that were required
to produce muscle activation levels that did not significantly differ from the maximum
activation values. For 12 shoulder muscles, 9 MVICs were necessary to produce muscle
activation levels that were representative of the maximum effort of all 16 subjects.
This study proposed two novel approaches, the first of which maximised the EMG
activation levels that can be produced by a fixed number of MVICs while the second
approach identified the minimum number of MVICs required to produce EMG activation
levels that were not significantly different from the maximum values of activation. These
two approaches provided guidelines with regards to the MVICs that are necessary to
normalize the EMG signals of 12 shoulder muscles while reducing the risks of underestimating
the maximum capacity of each individual.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/12409 |
| Date | 12 1900 |
| Creators | Marion, Patrick |
| Contributors | Begon, Mickaël |
| Source Sets | Université de Montréal |
| Language | French |
| Detected Language | French |
| Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0023 seconds