Biomechanical Study of a Tricompartmental Unloader Brace for Patellofemoral or Multicompartment Knee Osteoarthritis
Notice bibliographique
Résumé
Objective: Off-loader knee braces have traditionally focused on redistributing loads away from either the medial or lateral tibiofemoral (TF) compartments. In this article, we study the potential of a novel “tricompartment unloader” (TCU) knee brace intended to simultaneously unload both the patellofemoral (PF) and TF joints during knee flexion. Three different models of the TCU brace are evaluated for their potential to unload the knee joint. Methods: A sagittal plane model of the knee was used to compute PF and TF contact forces, patellar and quadriceps tendon forces, and forces in the anterior and posterior cruciate ligaments during a deep knee bend (DKB) test using motion analysis data from eight participants. Forces were computed for the observed (no brace) and simulated braced conditions. A sensitivity and validity analysis was conducted to determine the valid output range for the model, and Statistical Parameter Mapping was used to quantify the effectual region of the different TCU brace models. Results: PF and TF joint force calculations were valid between ~0 and 100 degrees of flexion. All three simulated brace models significantly ( p < 0.001) reduced predicted knee joint loads (by 30–50%) across all structures, at knee flexion angles >~30 degrees during DKB. Conclusions: The TCU brace is predicted to reduce PF and TF knee joint contact loads during weight-bearing activity requiring knee flexion angles between 30 and 100 degrees; this effect may be clinically beneficial for pain reduction or rehabilitation from common knee injuries or joint disorders. Future work is needed to assess the range of possible clinical and prophylactic benefits of the TCU brace.
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 | 0,000 |
| 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 ».