Predicting fracture using 2D finite element modelling
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.
Notice bibliographique
Résumé
A decrease in bone density at the hip or spine has been shown to increase the risk of fracture. A limitation of the bone mineral density (BMD) measurement is that it provides only a measure of a bone sample's average density when projected onto a 2D surface. Effectively, what determines bone fracture is whether an applied load exceeds ultimate strength, with both bone tissue material properties (can be approximated through bone density), and geometry playing a role. The goal of this project was to use bone geometry and BMD obtained from radiographs and DXA measurements respectively to estimate fracture risk, using a two-dimensional finite element model (FEM) of the sagittal plane of lumbar vertebrae. The Canadian Multicentre Osteoporosis Study (CaMos) data was used for this study. There were 4194 men and women over the age of 50 years, with 786 having fractures. Each subject had BMD testing and radiographs of their lumbar vertebrae. A single two dimensional FEM of the first to fourth lumbar vertebra was automatically generated for each subject. Bone tissue stiffness was assigned based on the BMD of the individual vertebrae, and adjusted for patient age. Axial compression boundary conditions were applied with a force proportional to body mass. The resulting overall strain from the applied force was found. Men and women were analyzed separately. At baseline, the sensitivity of BMD to predict fragility fractures in women and men was 3.77% and 0.86%, while the sensitivity of FEM to predict fragility fractures for women and men was 10.8% and 11.3%. The FEM ROC curve demonstrated better performance compared to BMD. The relative risk of being considered at high fracture risk using FEM at baseline, was a better predictor of 5 year incident fragility fracture risk compared to BMD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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