The influence of geometric design variables on the kinematic performance of a surface-guided total knee replacement
Notice bibliographique
Résumé
OBJECTIVE: Tibiofemoral geometries in a total knee replacement (TKR) affect the performance of an implant during activities of daily living. The specially shaped components of a surface-guided TKR aim to control the tibiofemoral motion, such that a normal pattern of motion is achieved, even at high flexion angles. The purpose of this study was to assess the influence of the design parameters on the kinematic behavior of such an implant. A combination of design variables was determined that resulted in the least deviation from the design kinematic target. METHODS: Six major design variables were considered to generate customized surface-guided TKR candidates. The contribution of these variables was evaluated by principal component analysis considering the input design variables and the results of the kinematic performance from a virtual simulation of deep squatting. The tibial internal-external rotation and the anterior-posterior translation of the medial and lateral femoral condyles were recorded for each design candidate. A quantified objective function of the kinematic behavior was used to define the design with a maximum agreement with the target pattern of motion. RESULTS: The location and orientation of the flexion-extension axis and the tibial slope were the most contributing parameters on the modes of variation. On the other hand, the conformity between the lateral guiding arcs had the least contribution. CONCLUSION: Virtual simulation showed that the current TKR reached deep flexion angles under squat load, while the tibia pivoted around the medial center. The tibial rotation was within the expected range of the IE rotation from healthy joints.
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 | 0,007 | 0,014 |
| 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 ».