Lower‐limb muscle function during gait in varus mal‐aligned osteoarthritis patients
Notice bibliographique
Résumé
This study quantified the contributions by muscular, gravitational and inertial forces to the ground reaction force (GRF) and external knee adduction moment (EKAM) for knee osteoarthritis (OA) patients and controls walking at similar speeds. Gait data for 39 varus mal-aligned medial knee OA patients and 15 controls were input into musculoskeletal models to calculate the contributions of individual muscles and gravity to the fore-aft (progression), vertical (support), and mediolateral (balance) GRF, and the EKAM. The temporal patterns of contributions to GRF and EKAM were similar between the groups. Magnitude differences in GRF contributions were small but some reached significance. Peak GRF contributions were lower in patients except hamstrings in early-stance progression (p < 0.001) and gastrocnemius in late-stance progression (p < 0.001). Both EKAM peaks were higher in patients, due mainly to greater adduction contribution from gravity (p < 0.001) at the first peak, and lower abduction contributions from soleus (p < 0.001) and gastrocnemius (p < 0.001) at the second peak. Gluteus medius contributed most to EKAM in both groups, but was higher in patients during mid-stance only (p < 0.001). Differences in GRF contributions were attributed to altered quadriceps-hamstrings action as well as compensatory adaptation of the ankle plantarflexors to reduced gluteus medius action. The large effect of varus mal-alignment on the frontal-plane moment arms of the gravity, soleus, and gastrocnemius GRF contributions about the knee explained greater patient EKAM. Our results shed further light on how the EKAM contributes to altered knee-joint loads in OA and why some interventions may affect different portions of the EKAM waveform. © 2018 Orthopaedic Research Society. Published by Wiley Periodicals, Inc. J Orthop Res.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».