Does Wrist Laxity Influence Three-Dimensional Carpal Bone Motion?
Notice bibliographique
Résumé
Previous two-dimensional (2D) studies have shown that there is a spectrum of carpal mechanics that varies between row-type motion and column-type motion as a function of wrist laxity. More recent three-dimensional (3D) studies have suggested instead that carpal bone motion is consistent across individuals. The purpose of this study was to use 3D methods to determine whether carpal kinematics differ between stiffer wrists and wrists with higher laxity. Wrist laxity was quantified using a goniometer in ten subjects by measuring passive wrist flexion-extension (FE) range of motion (ROM). In vivo kinematics of subjects' scaphoid and lunate with respect to the radius were computed from computed tomography (CT) volume images in wrist radial and ulnar deviation positions. Scaphoid and lunate motion was defined as "column-type" if the bones flexed and extended during wrist radial-ulnar deviation (RUD), and "row-type" if the bones radial-ulnar deviated during wrist RUD. We found that through wrist RUD, the scaphoid primarily flexed and extended, but the scaphoids of subjects with decreased laxity had a larger component of RUD (R2 = 0.48, P < 0.05). We also determined that the posture of the scaphoid in the neutral wrist position predicts wrist radial deviation (RD) ROM (R2 = 0.46, P < 0.05). These results suggest that ligament laxity plays a role in affecting carpal bone motion of the proximal row throughout radial and ulnar deviation motions; however, other factors such as bone position may also affect motion. By developing a better understanding of normal carpal kinematics and how they are affected, this will help physicians provide patient-specific approaches to different wrist pathologies.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».