MétaCan
Menu
Retour à la cohorte
Enregistrement W2947625424 · doi:10.1109/tbme.2019.2917415

Individual Differences in Women During Walking Affect Tibial Response to Load Carriage: The Importance of Individualized Musculoskeletal Finite-Element Models

2019· article· en· W2947625424 sur OpenAlexaff
Chun Xu, Jaques Reifman, Michael Baggaley, W. Brent Edwards, Ginu Unnikrishnan

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesU.S. Army Medical Research and Development CommandHenry M. Jackson FoundationU.S. Department of Defense
Mots-clésCarriageAffect (linguistics)Finite element methodPhysical medicine and rehabilitationMedicinePhysical therapyStructural engineeringPsychologyEngineeringCommunication

Résumé

récupéré en direct d'OpenAlex

Subject-specific features can contribute to the susceptibility of an individual to stress fracture. Here, we incorporated tibial morphology and material properties into a standard musculoskeletal finite-element (M/FE) model and investigated how load carriage influences joint kinetics and tibial mechanics in women. We obtained the morphology and material properties of the tibia from computed tomography images for women of three distinctly different heights, 1.51 m (short), 1.63 m (medium), and 1.75 m (tall), and developed individualized M/FE models for each. Then, we calculated joint and muscle forces, and subsequently, tibial stress/strain for each woman walking at 1.3 m/s under various load conditions (0, 11.3, or 22.7 kg). Among the subjects investigated, using individualized and standard M/FE models, the joint reaction forces (JRFs) differed by up to 4 (hip), 22 (knee), and 26% (ankle), and the 90th percentile von Mises stress by up to 30% (tall woman). Load carriage evoked distinct biomechanical responses, with a 22.7-kg load decreasing the peak hip JRF during late stance by ∼18% in the short woman, while increasing it by ∼39% in the other two women. It also increased peak knee and ankle JRFs by up to ∼48 (tall woman) and ∼36% (short woman). The same load increased the 90th percentile von Mises stress (and corresponding cumulative stress) by 31 (28), 22 (30), and 27% (32%) in the short, medium, and tall woman, respectively. Our findings highlight the critical role of individualized M/FE models to assess mechanical loading in different individuals performing the same physical activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207