The effect of cortex thickness on intact femur biomechanics: A comparison of finite element analysis with synthetic femurs
Notice bibliographique
Résumé
Biomechanical studies on femur fracture fixation with orthopaedic implants are numerous in the literature. However, few studies have compared the mechanical stability of these repair constructs in osteoporotic versus normal bone. The present aim was to examine how changes in cortical wall thickness of intact femurs affect biomechanical characteristics. A three-dimensional, linear, isotropic finite element (FE) model of an intact femur was developed in order to predict the effect of bicortical wall thickness, t, relative to the femur's mid-diaphyseal outer diameter, D, over a cortex thickness ratio range of 0 < or = t/D < or = 1. The FE model was subjected to loads to obtain axial, lateral, and torsional stiffness. Ten commercially available synthetic femurs were then used to mimic 'osteoporotic' bone with t/D = 0.33, while ten synthetic left femurs were used to simulate 'normal' bone with t/D = 0.66. Axial, lateral, and torsional stiffness were measured for all femurs. There was excellent agreement between FE analysis and experimental stiffness data for all loading modes with an aggregate average percentage difference of 8 per cent. The FE results for mechanical stiffness versus cortical thickness ratio (0 < or = t/D < or = 1) demonstrated exponential trends with the following stiffness ranges: axial stiffness (0 to 2343 N/mm), lateral stiffness (0 to 62 N/mm), and torsional stiffness (0 to 198 N/mm). This is the first study to characterize mechanical stiffness over a wide range of cortical thickness values. These results may have some clinical implications with respect to appropriately differentiating between older and younger human long bones from a mechanical standpoint.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».