MétaCan
Menu
Retour à la cohorte
Enregistrement W1971763456 · doi:10.1080/10255842.2013.772592

Repeatability and precision of a weighted centroid method for estimating dynamic<i>in vivo</i>tibiofemoral surface interactions in sheep

2013· article· en· W1971763456 sur OpenAlexafffund
Jillian E. Beveridge, Nigel G. Shrive, Cyril B. Frank

Notice bibliographique

RevueComputer Methods in Biomechanics & Biomedical Engineering · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchAlberta Innovates - Health Solutions
Mots-clésRepeatabilityCentroidKinematicsOsteoarthritisCartilage damageBiomechanicsCartilageIn vivoArticular cartilageBiomedical engineeringOrthodonticsComputer scienceMedicineAnatomyMathematicsPhysicsBiologyArtificial intelligencePathology

Résumé

récupéré en direct d'OpenAlex

Persistent changes in joint biomechanics resulting from knee injury are thought to contribute to progressive cartilage damage and post-traumatic osteoarthritis (PTOA). The identification and quantification of in vivo tibiofemoral surface interactions are critical to understanding them, particularly abnormal interactions that are damaging to articular cartilage and other structures of the knee. In this study, we describe an approach for understanding such potential interactions by using a weighted centroid derived from in vivo stifle kinematics in sheep. Collectively, repeatability and sensitivity analyses indicate that the magnitude of the changes in tibiofemoral centroid location resulting from combined ligament transection is greater than the repeatability and precision of the current weighted centroid approach, making this method useful for describing the changes in dynamic surface interactions that may be relevant in the pathogenesis of PTOA in this stifle injury model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,345
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputer Methods in Biomechanics & Biomedical EngineeringMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207