Previous Damage Accumulation Can Influence Femoral Fracture Strength: A Finite Element Study
Notice bibliographique
Résumé
To manage osteoporotic hip fracture risk, it is necessary to understand failure mechanisms of bone at both the material and organ level. The structural response of bone is dependent on load history. Repeated loading causes progressive microstructural cracking, resulting in reduced apparent-level stiffness and, if damage is significant, reductions to peak load bearing capability. However, the effect of previous damage accumulation has not been well explored at the organ level. It was hypothesized that femoral fracture load and fracture pattern may be sensitive to damage accumulation from previous loading events. Six cadaveric specimens were used to develop patient specific finite element (FE) models from quantitative tomographic (qCT) scans. Material properties were assigned from qCT intensity at each element location, and damage evolution was predicted using a previously validated quasi-brittle FE model. Three scenarios were investigated: stumble followed by another stumble (S-S), fall followed by another fall (F-F), and stumble followed by a fall (S-F). Fracture load and pattern were compared to FE predictions for a single stumble (S) or single fall (F) loading event. Most specimens were resilient to accumulated damage, showing little (<5%) change in fracture load from the multiple-load scenarios (S-S, F-F, and S-F) compared to an equivalent single load scenario (S or F). Only one specimen demonstrated moderate (5-15%) reductions in strength from all three multiple-load scenarios. However, two specimens experienced moderate (20-30%) increase in fracture load in some load cases. In these cases, initial damage caused the load to be more evenly distributed upon subsequent loading events. © 2019 Orthopaedic Research Society. Published by Wiley Periodicals, Inc. J Orthop Res 37:2197-2203, 2019.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».