Experimental validation of finite element predicted bone strain in the human metatarsal
Notice bibliographique
Résumé
Metatarsal stress fracture is a common injury observed in athletes and military personnel. Mechanical fatigue is believed to play an important role in the etiology of stress fracture, which is highly dependent on the resulting bone strain from the applied load. The purpose of this study was to validate a subject-specific finite element (FE) modeling routine for bone strain prediction in the human metatarsal. Strain gauge measurements were performed on 33 metatarsals from seven human cadaveric feet subject to cantilever bending, and subject-specific FE models were generated from computed tomography images. Material properties for the FE models were assigned using a published density-modulus relationship as well as density-modulus relationships developed from optimization techniques. The optimized relationships were developed with a ‘training set’ of metatarsals (n = 17) and cross-validated with a ‘test set’ (n = 16). The published and optimized density elasticity equations provided FE-predicted strains that were highly correlated with experimental measurements for both the training (r 2 ≥ 0.95) and test (r 2 ≥ 0.94) sets; however, the optimized equations reduced the maximum error by 10% to 20% relative to the published equation, and resulted in an X = Y type of relationship between experimental measurements and FE predictions. Using a separate optimized density-modulus equation for trabecular and cortical bone did not improve strain predictions when compared to a single equation that spanned the entire bone density range. We believe that the FE models with optimized material property assignment have a level of accuracy necessary to investigate potential interventions to minimize metatarsal strain in an effort to prevent the occurrence of stress fracture.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».