Canine Stifle Biomechanics Associated With a Novel Extracapsular Articulating Implant Predicted Using a Computer Model
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the influence of the Simitri Stable in Stride™ extracapsular articulating implant (EAI) on canine stifle biomechanics in the cranial cruciate ligament (CrCL)-deficient stifle using a 3-dimensional (3D) quasi-static rigid body canine pelvic limb computer model simulating the stance phase of gait. STUDY DESIGN: Computer simulations. ANIMALS: Five-year-old neutered male golden retriever (33 kg). METHODS: The EAI was implemented in a previously developed 3D CrCL-deficient canine pelvic limb computer simulation model. Ligament loads, relative tibial translation, and relative tibial rotation were determined and compared to the CrCL-intact and CrCL-deficient stifle. RESULTS: The EAI significantly increased peak caudal cruciate and medial collateral ligament loads, significantly changed when peak lateral collateral ligament load occurred, and did not significantly affect peak patellar ligament load compared to the CrCL-intact stifle. Compared to the CrCL-deficient stifle, peak caudal cruciate, lateral collateral, and medial collateral ligament loads significantly decreased in the EAI-managed stifle. Despite decreased peak caudal cruciate ligament loading, the EAI-managed stifle generated local maxima that exceeded those of the CrCL-deficient stifle at various intervals of stance. Peak relative tibial translation and rotation significantly decreased in the EAI-managed stifle compared to the CrCL-deficient stifle. CONCLUSION: Model-predicted stifle biomechanics differed after EAI system application in the CrCL-deficient stifle, but were not restored to that of the CrCL-intact stifle.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| 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 ».