Predicting Rotation in Fenestrated Endovascular Aneurysm Repair Using Finite Element Analysis
Notice bibliographique
Résumé
Fenestrated endovascular aneurysm repair (FEVAR) is a minimally invasive method of abdominal aortic aneurysm (AAA) repair utilized in patients with complex vessel anatomies. Stent grafts (SG) used in this process contain fenestrations within the device that need to be aligned with the visceral arteries upon successful SG deployment. Proper alignment is crucial to maintain blood flow to these arteries and avoid surgical complications. During fenestrated SG deployment, rotation of the SG can occur during the unsheathing process. This leads to misalignment of the vessels, and the fenestrations and is associated with poor clinical outcomes. The aim of this study was to develop a computational model of the FEVAR process to predict SG rotation. Six patient-specific cases are presented and compared with surgical case data. Realistic material properties, frictional effects, deployment methods, and boundary conditions are included in the model. A mean simulation error of 2 deg (range 1-4 deg) was observed. This model was then used to conduct a parameter study of frictional properties to see if rotation could be minimized. This study showed that increasing or decreasing the coefficients of friction (COF) between the sheath and the vessel walls would decrease the amount of rotation observed. Our model accurately predicts the amount of SG rotation observed during FEVAR and can be used as a preoperative planning tool within the surgical workflow.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».