The Impact of Scaphoid Malunion on Carpal Motion: An In-Vitro Analysis
Notice bibliographique
Résumé
Background: The clinical significance of scaphoid malunion is debated and its effect on wrist kinematics is poorly understood. Alterations to scaphoid morphology in other pathologies result in significant sequelae and arthrosis. By understanding the impact of scaphoid malunion on carpal kinematics, better insight can be garnered to inform models of wrist motion and clinical treatment of this injury. Methods: Seven cadaveric upper extremities underwent active wrist flexion and extension in a custom motion wrist simulator with scaphoid kinematics being captured with respect to the distal radius. A three-stage protocol of progressive simulated malunion severity was performed [intact, 10° malunion (Mal 10°), 20° malunion (Mal 20°)] with data analyzed from 45° wrist extension to 45° wrist flexion. Scaphoid malunions were modelled by creating successive volar wedge osteotomies and reducing the resultant scaphoid fragments with two 0.062” Kirshner wires. Motion of the scaphoid, lunate, trapezium-trapezoid was recorded using optical trackers. Results: Increasing scaphoid malunion severity did not significantly affect scaphoid or trapezium-trapezoid motion (p > 0.05); however, it did significantly alter lunate motion (p < 0.001). Increasing malunion severity resulted in progressive lunate extension across wrist motion (Intact – Mal 10°: mean difference (mean dif.) = 7.1° ± 1.6, p < 0.05; Intact – Mal 20°: mean dif. = 10.2° ± 2.0, p < 0.05). Conclusions: In this in-vitro model, increasing scaphoid malunion severity was associated with progressive extension of the lunate in all wrist positions. The clinical significance of this motion change is yet to be elucidated, but this model serves as a basis for understanding the kinematic consequences of scaphoid malunion deformities.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».