A Novel In Vivo Quantitative Assessment of the Knee Using High Resolution Peripheral Quantitative Computed Tomography
Notice bibliographique
Résumé
INTRODUCTION: Anterior cruciate ligament (ACL) tears are a common knee injury and increase the risk of developing osteoarthritis (OA). While the sequence of events leading to OA is poorly understood, evidence suggests rapid changes in subchondral bone mineral density (BMD) in the injured knee after the ACL tear may play a role. How these changes are reflected in the bone microarchitecture is not understood, largely because clinical imaging modalities lack the required resolution to visualize the microarchitecture. High resolution peripheral quantitative computer tomography (HR-pQCT), a novel human in vivo micro computed tomography system, is able to measure bone microarchitecture. METHODS: Thirty-five participants were imaged with HR-pQCT at an isotropic resolution of 61 µm after undergoing varying types of ACL reconstructions five year prior. Approximately 6 cm of each knee was imaged. The medial and lateral weight bearing regions of both tibia and femur were analyzed. The subchondral bone in these regions was isolated and trabecular thickness, number, and BMD were measured at three depths (0-2.5mm, 2.5-5mm, 5-7.5mm) below the subchondral bone surface as well as cortical thickness and porosity. RESULTS: Scans took approximately 22 minutes per knee and provided rich 3D data showing bone morphology and microarchitecture. Bone microarchitectural parameters were successfully calculated for all regions and depths. CONCLUSIONS: We performed the first in vivo high resolution bone microarchitecture measurements of the human knee. Ongoing work includes establishing quantitative differences between lateral and medial bone compartments in the cohort, and characterizing differences between ACL deficient and healthy control knees.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».