Combined in Vivo/in Vitro Method to Study Anteriomedial Bundle Strain in the Anterior Cruciate Ligament Using a Dynamic Knee Simulator
Notice bibliographique
Résumé
The mechanism of noncontact anterior cruciate ligament (ACL) injury is not well understood. It is partly because previous studies have been unable to relate dynamic knee muscle forces during sports activities such as landing from a jump to the strain in the ACL. We present a combined in vivo/in vitro method to relate the muscle group forces to ACL strain during jump-landing using a newly developed dynamic knee simulator. A dynamic knee simulator system was designed and developed to study the sagittal plane biomechanics of the knee. The simulator is computer controlled and uses six powerful electromechanical actuators to move a cadaver knee in the sagittal plane and to apply dynamic muscle forces at the insertion sites of the quadriceps, hamstring, and gastrocnemius muscle groups and the net moment at the hip joint. In order to demonstrate the capability of the simulator to simulate dynamic sports activities on cadaver knees, motion capture of a live subject landing from a jump on a force plate was performed. The kinematics and ground reaction force data obtained from the motion capture were input into a computer based musculoskeletal lower extremity model. From the model, the force-time profile of each muscle group across the knee during the movement was extracted, along with the motion profiles of the hip and ankle joints. This data was then programmed into the dynamic knee simulator system. Jump-landing was simulated on a cadaver knee successfully. Resulting strain in the ACL was measured using a differential variable reluctance transducer (DVRT). Our results show that the simulator has the capability to accurately simulate the dynamic sagittal plane motion and the dynamic muscle forces during jump-landing. The simulator has high repeatability. The ACL strain values agreed with the values reported in the literature. This combined in vivo/in vitro approach using this dynamic knee simulator system can be effectively used to study the relationship between sagittal plane muscle forces and ACL strain during dynamic activities.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».