Modeling of muscle forces in humans with and without temporomandibular joint disorders
Notice bibliographique
Résumé
OBJECTIVES: Subjects with/without temporomandibular joint disorders (TMJD) were tested for differences in muscle forces. SETTING AND SAMPLE POPULATION: School of Dental Medicine, University at Buffalo. Ninety-one subjects were classified in four groups based on the presence/absence (±) of chronic myofascial and/or TMJ pain (P) and bilateral disc displacement (DD). MATERIAL AND METHODS: Validated numerical models employed an organizational objective and subjects' anatomy to calculate masticatory muscle forces during static biting. anova and Holm's step-down procedure post hoc tests assessed group differences. Theoretical geometries, representing the range of subjects' muscle orientations, were surveyed via numerical models to identify key combinations resulting in high muscle forces. Effect size (Cohen's d) and anova/post hoc tests assessed group differences in key muscle orientations. RESULTS: +P-DD subjects had significantly higher muscle forces, especially for lateral pterygoid muscles, compared to the other groups (p<0.01) for bite forces that were directed posteromedially or posterolaterally on mandibular molars and posteriorly and slightly medially on mandibular incisors. Key muscle orientations for peak lateral pterygoid muscle forces were identified, and group comparisons showed mean orientation in +P-DD compared to other diagnostic groups was ≥5° more upright for masseter and ≥3° more posteriorly directed for temporalis muscles (all Cohen's d≥0.8). CONCLUSION: Predicted lateral pterygoid muscle forces were significantly higher in +P-DD compared to other groups for specific biting conditions and were attributable, in part, to differences in masseter and temporalis muscle orientations.
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 | 0,004 | 0,001 |
| 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 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 ».