MétaCan
Menu
Retour à la cohorte
Enregistrement W1974784615 · doi:10.1142/s021951941000368x

A NUMERICAL TECHNIQUE TO EVALUATE THE FLEXURAL STIFFNESS OF LONG BONES AFFECTED BY CRACKS AND POROSITY

2010· article· en· W1974784615 sur OpenAlex
Hadi Mohammadi, Fereshteh Bahramian, Kibret Mequanint, Amin S. Rizkalla

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Mechanics in Medicine and Biology · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésStiffnessPorosityMaterials scienceFinite element methodBone resorptionStructural engineeringResorptionProcess (computing)Fracture (geology)Flexural strengthAccelerationComposite materialComputer scienceEngineeringPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Bone maintains its structure through a constant process of resorption and formation, in a process called bone remodeling. An imbalance in this process caused by disease, abnormal mechanical demands, or fatigue may predispose bone to fracture injuries. Increase in bone resorption can increase the number of surface cracks and structural porosity of the bone and thus change its stiffness properties. In this study, a computational technique is proposed to investigate the stiffness properties in long bones based on dynamic responses. As the first attempt, defects such as porosity and cracks are detected based on changes in stiffness properties of the sample. The least square algorithm and the finite element method are used as tools in this study. The Wilson-θ numerical method is employed to generate artificially experimental results for acceleration vectors. The data obtained from the artificial experiment is later employed to the proposed computational investigation model as raw data.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,261
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,296
Écart entre enseignants0,276 · 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