Correlating Tissue Mechanics and Spinal Cord Injury: Patient-Specific Finite Element Models of Unilateral Cervical Contusion Spinal Cord Injury in Non-Human Primates
Notice bibliographique
Résumé
Non-human primate (NHP) models are the closest approximation of human spinal cord injury (SCI) available for pre-clinical trials. The NHP models, however, include broader morphological variability that can confound experimental outcomes. We developed subject-specific finite element (FE) models to quantify the relationship between impact mechanics and SCI, including the correlations between FE outcomes and tissue damage. Subject-specific models of cervical unilateral contusion SCI were generated from pre-injury MRIs of six NHPs. Stress and strain outcomes were compared with lesion histology using logit analysis. A parallel generic model was constructed to compare the outcomes of subject-specific and generic models. The FE outcomes were correlated more strongly with gray matter damage (0.29 < R 2 < 0.76) than white matter (0.18 < R 2 < 0.58). Maximum/minimum principal strain, Von-Mises and Tresca stresses showed the strongest correlations (0.31 < R 2 < 0.76) with tissue damage in the gray matter while minimum principal strain, Von-Mises stress, and Tresca stress best predicted white matter damage (0.23 < R 2 < 0.58). Tissue damage thresholds varied for each subject. The generic FE model captured the impact biomechanics in two of the four models; however, the correlations between FE outcomes and tissue damage were weaker than the subject-specific models (gray matter [0.25 < R 2 < 0.69] and white matter [R 2 < 0.06] except for one subject [0.26 < R 2 < 0.48]). The FE mechanical outputs correlated with tissue damage in spinal cord white and gray matters, and the subject-specific models accurately mimicked the biomechanics of NHP cervical contusion impacts.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».