Influence of Spinal Manipulative Therapy Force Magnitude and Application Site on Spinal Tissue Loading: A Biomechanical Robotic Serial Dissection Study in Porcine Motion Segments
Notice bibliographique
Résumé
OBJECTIVE: In order to define the relation between spinal manipulative therapy (SMT) input parameters and the distribution of load within spinal tissues, the aim of this study was to determine the influence of force magnitude and application site when SMT is applied to cadaveric spines. METHODS: In 10 porcine cadavers, a servo-controlled linear actuator motor provided a standardized SMT simulation using 3 different force magnitudes (100N, 300N, and 500N) to 2 different cutaneous locations: L3/L4 facet joint (FJ), and L4 transverse processes (TVP). Vertebral kinematics were tracked optically using indwelling bone pins, the motion segment removed and mounted in a parallel robot equipped with a 6-axis load cell. The kinematics of each SMT application were replicated robotically. Serial dissection of spinal structures was conducted to quantify loading characteristics of discrete spinal tissues. Forces experienced by the L3/L4 segment and spinal structures during SMT replication were recorded and analyzed. RESULTS: Spinal manipulative therapy force magnitude and application site parameters influenced spinal tissues loading. A significant main effect (P < .05) of force magnitude was observed on the loads experienced by the intact specimen and supra- and interspinous ligaments. The main effect of application site was also significant (P < .05), influencing the loading of the intact specimen and facet joints, capsules, and ligamentum flavum (P < .05). CONCLUSION: Spinal manipulative therapy input parameters of force magnitude and application site significantly influence the distribution of forces within spinal tissues. By controlling these SMT parameters, clinical outcomes may potentially be manipulated.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».