Load-Sharing and Kinematics of the Human Cervical Spine Under Multi-Axial Transverse Shear Loading: Combined Experimental and Computational Investigation
Notice bibliographique
Résumé
The cervical spine experiences shear forces during everyday activities and injurious events yet there is a paucity of biomechanical data characterizing the cervical spine under shear loading. This study aimed to (1) characterize load transmission paths and kinematics of the subaxial cervical spine under shear loading, and (2) assess a contemporary finite element cervical spine model using this data. Subaxial functional spinal units (FSUs) were subjected to anterior, posterior, and lateral shear forces (200 N) applied with and without superimposed axial compression preload (200 N) while monitoring spine kinematics. Load transmission paths were identified using strain gauges on the anterior vertebral body and lateral masses and a disc pressure sensor. Experimental conditions were simulated with cervical spine finite element model FSUs (GHBMC M50 version 5.0). The mean kinematics, vertebral strains, and disc pressures were compared to experimental results. The shear force-displacement response typically demonstrated a toe region followed by a linear response, with higher stiffness in anterior shear relative to lateral and posterior shear. Compressive axial preload decreased posterior and lateral shear stiffness and increased initial anterior shear stiffness. Load transmission patterns and kinematics suggest the facet joints play a key role in limiting anterior shear while the disc governs motion in posterior shear. The main cervical spine shear responses and trends are faithfully predicted by the GHBMC cervical spine model. These basic cervical spine biomechanics and the computational model can provide insight into mechanisms for facet dislocation in high severity impacts, and tissue distraction in low severity 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) | 0,000 | 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 ».