Targeted Muscle Reinnervation in the Lower Leg: An Anatomical Study
Notice bibliographique
Résumé
BACKGROUND: Targeted muscle reinnervation reroutes the ends of cut nerves to reinnervate small motor nerves of nearby muscles, with the goal of reducing neuroma pain and/or improving prosthesis function. Anatomical roadmaps for targeted muscle reinnervation have been established in the upper extremity and thigh, but not for the lower leg. METHODS: The major branch points of motor nerves and the motor entry points to muscles of the leg were dissected in five cadaver specimens. Leg length was defined as distance from the lateral femoral condyle to the lateral malleolus. The distances from the lateral femoral condyle to major branch points and motor entry points were recorded as percentages of leg length to identify targets for targeted muscle reinnervation. RESULTS: The tibialis anterior and extensor digitorum longus were both acceptable targets in the anterior compartment, with an average 4.4 motor entry points within 10 to 80 percent and 3.0 motor entry points within 20 to 80 percent leg length, respectively. The peroneus longus was the best target in the lateral compartment, with an average 5.8 motor entry points within 20 to 70 percent leg length. The gastrocnemius and soleus were both acceptable targets in the superficial posterior compartment, with an average 4.4 motor entry points within 0 to 40 percent and 6.2 motor entry points within 20 to 80 percent leg length, respectively for each muscle. The flexor digitorum longus was the best target in the deep posterior compartment, with an average 6.0 motor entry points within 30 to 90 percent leg length. CONCLUSIONS: Targeted muscle reinnervation is technically feasible in the lower leg. This cadaveric study provides a roadmap for incision placement and identification of motor nerve targets.
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 | 0,002 |
| 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 ».