MétaCan
Menu
Retour à la cohorte
Enregistrement W2040243369 · doi:10.1002/jor.20621

The human anterior cruciate ligament: Sex differences in ultrastructure and correlation with biomechanical properties

2008· article· en· W2040243369 sur OpenAlexaff
Javad Hashemi, Naveen Chandrashekar, H. Mansouri, James R. Slauterbeck, Daniel M. Hardy

Notice bibliographique

RevueJournal of Orthopaedic Research® · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOrthopedic Research and Education FoundationTexas Tech University
Mots-clésCadaveric spasmAnterior cruciate ligamentUltrastructureCollagen fibrilAnatomyFibrilLigamentMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate the existence of sex-based differences in the ultrastructural characteristics of the human anterior cruciate ligament (ACL) as the underlying cause of differences in the structural and mechanical properties between sexes. The ACL of six male and six female cadaveric donors were randomly chosen from a pool of 10 male and 10 female ACLs that had previously been tested for their structural and mechanical properties. Eighteen tissue samples from the distal, proximal, and middle sections of the anteromedial and posterolateral bundles were analyzed by transmission electron microscopy. Female ACLs exhibited both lower fibril concentration and lower percent area occupied by collagen fibrils (p < 0.05) compared to males. There was also a difference in the fibril diameters (p < 0.05); donor age, height, body mass, and body mass index contributed significantly to this difference. In females, ACL stiffness and modulus of elasticity were highly correlated to fibril concentration (r = 0.96 and 0.97, respectively); in males ACL failure load and strength were highly correlated to percent area occupied by collagen (r = 0.96 and 0.96, respectively). These differences in ultrastructure may underlie differences in ACL properties between sexes.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,312

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,052
Tête enseignante GPT0,322
Écart entre enseignants0,270 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations85
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic Research®Même sujetKnee injuries and reconstruction techniquesTravaux en français237 207