How does muscle stiffness affect the internal deformations within the soft tissue layers of the buttocks under constant loading?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mechanical loading of soft tissues covering bony prominences can cause skeletal muscle damage, ultimately resulting in a severe pressure ulcer termed deep tissue injury (DTI). Deformation plays an important role in the aetiology of DTI. Therefore, it is essential to minimise internal muscle deformations in subjects at risk of DTI. As an example, spinal cord-injured (SCI) individuals exhibit structural changes leading to a decrease in muscle thickness and stiffness, which subsequently increase the tissue deformations. In the present study, an animal-specific finite element model, where the geometry and boundary conditions were derived from magnetic resonance images, was developed. It was used to investigate the internal deformations in the muscle, fat and skin layers of the porcine buttocks during loading. The model indicated the presence of large deformations in both the muscle and the fat layers, with maximum shear strains up to 0.65 in muscle tissue and 0.63 in fat. Furthermore, a sensitivity analysis showed that the tissue deformations depend considerably on the relative stiffness values of the different tissues. For example, a change in muscle stiffness had a large effect on the muscle deformations. A 50% decrease in stiffness caused an increase in maximum shear strain from 0.65 to 0.99, whereas a 50% increase in stiffness resulted in a decrease in maximum shear strain from 0.65 to 0.49. These results indicate the importance of restoring tissue properties after SCI, with the use of, for example, electrical stimulation, to prevent the development of DTI.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle