MétaCan
Menu
Retour à la cohorte
Enregistrement W21286506 · doi:10.3233/978-1-58603-888-5-90

The Relationship Between Hip Flexion/Extension and the Sagittal Curves of the Spine

2008· article· en· W21286506 sur OpenAlexaff
Carl F. Driscoll, Aubin C.-E., H. Labelle, J. Dansereau

Notice bibliographique

RevueStudies in health technology and informatics · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueSpine and Intervertebral Disc Pathology
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSagittal planeExtension (predicate logic)Hip flexionSPINE (molecular biology)OrthodonticsMedicineComputer sciencePhysical medicine and rehabilitationAnatomyPhysical therapyBiologyRange of motionBioinformatics

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to develop a finite element model (FEM) in order to study the relationship between hip flexion/extension and the sagittal curves of the spine. A previously developed FEM of the spine, rib cage and pelvis personalized to the 3D reconstructed geometry of a patient using biplanar radiographs was adapted to include the lower limbs including muscles. Simulations were performed to determine: the relationship between hip flexion / extension and lumbar lordosis / thoracic kyphosis, the mechanism of transfer between hip flexion / extension and pelvic rotation, and the influence that knee bending, muscle stiffness, and muscle mass have on the degree to which sagittal spinal curves are modified due to lower limb positioning. Preliminary results showed that the model was able to accurately reproduce published results for the modulation of lumbar lordosis due to hip flexion; which proved to linearly decrease 68% at 90 degrees of flexion. Additional simulations showed that the hamstrings and gluteal muscles were responsible for the transmission of hip flexion to pelvic rotation with the legs straight and flexed respectively, and the important influence of knee bending on lordosis modulation during lower limb positioning. The knowledge gained through this study is intended to be used to improve operative patient positioning.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,115
Tête enseignante GPT0,391
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetSpine and Intervertebral Disc PathologyTravaux en français237 207