A modeling framework for computational simulations of thoracic endovascular aortic repair
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Thoracic endovascular aortic repair (TEVAR) is a minimally invasive treatment for thoracic aortic conditions including aneurysms and is associated with a number of postoperative stent graft related complications. Computational simulations of TEVAR have the potential to predict surgical outcomes and complications preoperatively. When using simulations for stent graft design and prediction of complications in a population, it is difficult to generalize patient-specific TEVAR computational models due to patient variability. This study proposes a novel modeling framework for creating realistic population-based computational models of TEVAR focused on aneurysms that allow for developing various clinically relevant geometric configurations and scenarios that are not easily attainable with limited patient data. The framework includes a methodology for developing population-based thoracic aortic geometries and defining age-dependent aortic tissue material models, as well as detailed steps and boundary conditions for finite element modeling of stent graft deployment during TEVAR. The simulation framework is illustrated for predicting the formation of a bird-beak configuration, a wedge-shaped gap at the proximal end of the deployed stent graft in TEVAR that leads to incomplete seal. A baseline TEVAR simulation model was developed along with three simulations in which the value of aortic curvature, aortic arch angle, or aortic tissue properties varied from the baseline model. Analyzing the length and angle of the bird-beak configuration in each case shows that the bird-beak size is sensitive to different values of the aortic geometry highlighting the importance of using realistic parameter values.
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.
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 | 0,001 | 0,002 |
| 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 découle