Regional Measurements of Surface Deviation Volume in Worn Polyethylene Joint Replacement Components
Notice bibliographique
Résumé
Total joint replacements can be subject to the loss of polyethylene material due to wear, leading to osteolysis and decreased implant longevity. Micro-computed tomography (micro-CT) techniques have recently been developed to calculate 3D surface deviations in worn implant components. We describe a micro-CT technique to measure the volume of the surface deviations (volume of wear plus creep) within a specific region or compartment, and report its repeatability and reproducibility. Six worn polyethylene tibial inserts were scanned using a laboratory micro-CT scanner and subsequently reconstructed at 50 μm voxel spacing. A previously developed custom software application was used to quantify the 3D surface deviations between the worn tibial inserts and an unworn reference geometry. Three observers (two trained and one expert) used new custom software to manually outline the localized regions of surface deviation (three times for each of the worn inserts) and calculate the volume of the deviations. The overall intraobserver variability in the surface deviation volumes was 3.6% medially and 1.1% laterally. The overall interobserver variability was 4.8% medially and 1.7% laterally. Placement of points in outlining the region of deviation contributed the greatest variability to the measurements. Repeatability and reproducibility of the volume measurements are similar to measurements of total (nonregional) wear volume including a previous micro-CT technique (10%), fluid displacement (4.8%), and radiographic measurements (15.7%). The principles of this technique can likely be used to measure regional wear and creep volume in knee and hip joint replacement components from wear simulator, pin-on-disk, and retrieval studies.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».