Immediate Outcomes and Benefits of 3D Printed Braces for the Treatment of Adolescent Idiopathic Scoliosis
Notice bibliographique
Résumé
Spinal bracing is a proven effective treatment for children with adolescent idiopathic scoliosis (AIS). Four factors have been reported to affect brace treatment outcome including (1) growth or curve-based risk, (2) the in-brace correction, (3) the brace wear quantity, and (4) the brace wear quality. The in-brace correction is impacted by spinal flexibility. The quality of brace design also affects the in-brace correction and comfort which indirectly affects the brace wear quantity and quality. A traditional polypropylene spinal brace is bulky and uncomfortable, and its manufacturing process is labor intensive. As 3D printing technology becomes more common and advanced, there is a potential to manufacture spinal braces using 3D printing technology. The objectives of this paper were to report the immediate effectiveness and benefits in using 3D printed brace to treat children with AIS. Six children with AIS (5F, 1M; 12.9 ± 1.4 years old; Cobb angle: 26° ± 7°), who were new to brace treatment, were recruited. Spinal flexibility and pressure pad locations were acquired using ultrasound assisted method to ensure braces were designed properly. To manufacture the braces, all participants were scanned by a handheld 3D scanner to obtain their body shapes. The 3D braces were then printed with Nylon 12 material. The average in-brace Cobb angle correction was 10 ± 4° (41 ± 18% correction). The 3D brace was 33% thinner, 26% lighter, 37% lower cost and required 3.7 h less labor time to manufacture when compared with the standard polypropylene brace. As a conclusion, the 3D printed brace had good immediate treatment effectiveness, but the long-time effect is still required time to explore.
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 | 0,001 | 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 ».