Validation of a magnetic resonance imaging based method to study passive knee laxity: An in-situ study
Notice bibliographique
Résumé
Knee laxity can be described as an increased anterior tibial translation (ATT) or decreased stiffness of the tibiofemoral joint under an applied force. Küpper et al. (2013, 2016) and Westover et al. (2016) previously developed and reported on a magnetic resonance (MR)-based in vivo measure of knee laxity. In this study, the application of an in situ knee loading apparatus (ISKLA) is presented as a step toward validating the MR-based methodology for measuring ATT and stiffness. The ISKLA is designed to measure these outcome variables using MR imaging and is validated against a gold-standard ElectroForce mechanical test instrument (TA Instruments 3550). Accuracy was assessed through an in situ experimental setup by testing four cadaveric specimens with both the MR-based methodology and in the ElectroForce system. The outcome of the current study showed that the MR-based ATTs and stiffness measurements using the ISKLA were within 1.44-2.10 mm and 0.16-6.14 N/mm, respectively, of the corresponding values measured by the gold standard system. An excellent ICC was observed for ATT (0.97) and good ICC for stiffness (0.87) between the MR and ElectroForce-based systems across all target force levels. These findings suggest that the MR-based approach can be used with satisfactory accuracy and correlation to the gold standard measure.
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 | 0,001 |
| 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 ».