Frictional Properties of the Meniscus Improve After Scaffold-augmented Repair of Partial Meniscectomy: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: To prevent further degeneration, it is desirable to fill a meniscal defect with a supportive scaffold that mimics the mechanics of native tissue. Degradable porous scaffolds have been used, but it is unclear whether the tissue that fills the site of implantation is mechanically adequate, particularly with respect to frictional performance. QUESTIONS/PURPOSES: We therefore determined the frictional behavior of native and engineered meniscal replacement tissue from in vivo implantation over time. METHODS: We evaluated boundary and mixed-mode friction coefficients of tissue generated in porous polyurethane scaffolds used to augment the repair of the meniscus of 13 skeletally mature sheep after partial meniscectomy. Implants were removed for evaluation at 3, 6, and 12 months. The friction coefficient, aggregate modulus, and hydraulic permeability were evaluated for tissue harvested from native meniscus adjacent to the implants, native meniscus from the intact contralateral knee, and repair tissue from the site of the scaffold implantation. The equilibrium friction coefficient (μ(eq)) was measured in the presence of a lubricant bath of either phosphate-buffered saline (PBS) or equine synovial fluid (ESF). RESULTS: Boundary μ(eq) in PBS of engineered meniscus improved with time and was similar to native tissue after 6 months. ESF enhanced lubrication for all samples at nearly all time points demonstrating the efficacy of ESF as a joint lubricant for repair tissue as well as native meniscus. Modulus increased and permeability decreased with implantation, likely as a result of tissue ingrowth. CONCLUSIONS: Promoting tissue ingrowth into porous scaffolds is a potential strategy for improving friction performance in meniscal repair.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 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 ».