MétaCan
Menu
Retour à la cohorte
Enregistrement W4226412907 · doi:10.4018/978-1-7998-9078-2.ch005

Biomechanical Analysis on Vancouver Periprosthetic Fracture in Femur Using the Finite Element Modeling

2022· book-chapter· en· W4226412907 sur OpenAlexaboutno aff
Raja Dhason, Sandipan Roy, Shubhabrata Datta

Notice bibliographique

RevueAdvances in mechatronics and mechanical engineering (AMME) book series · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeriprostheticFixation (population genetics)FemurFemur fractureFemoral fractureImplantOrthodonticsFinite element methodMedicineProsthesisFracture (geology)ArthroplastySurgeryEngineeringStructural engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

After total hip arthroplasty (THA), high demands occur in the femoral fixation, especially for elderly patients due to periprosthetic fractures. Fractures happened in the femur after THA was classified based on Vancouver periprosthetic femoral fracture. Choosing the fixation for these types of specific fracture types are challenging due to pattern and orientation of the fracture in the THA prosthesis. Several researchers have reported the clinical, experimental, and computational studies about the failure of fixation methods, and they highlighted the remedies and scope in the further studies. Most of the authors recommended the computational studies having the advantage to predict the inner behaviour of the bone because invivo/invitro study availability of the specimen are limited and it needs ethical clearance. The current study focussed on computational studies in periprosthetic fractures and aims to discuss the three dimensional model creation, mesh generation, material properties, boundary conditions/loading, limitation, opinions, and future thoughts in implant design.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,236
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in mechatronics and mechanical engineering (AMME) book seriesMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207