Computational biomechanics of human knee joint in stair ascent: Muscle‐ligament‐contact forces and comparison with level walking
Notice bibliographique
Résumé
About a third of knee joint disorders originate from the patellofemoral (PF) site that makes stair ascent a difficult activity for patients. A detailed finite element model of the knee joint is coupled to a lower extremity musculoskeletal model to simulate the stance phase of stair ascent. It is driven by the mean of measurements on the hip-knee-ankle moments-angles as well as ground reaction forces reported in healthy individuals. Predicted muscle activities compare well to the recorded electromyography data. Peak forces in quadriceps (3.87 BW, body weight, at 20% instance in our 607 N subject), medial hamstrings (0.77 BW at 20%), and gastrocnemii (1.21 BW at 80%) are estimated. Due to much greater flexion angles-moments in the first half of stance, large PF contact forces (peak of 3.1 BW at 20% stance) and stresses (peak of 4.83 MPa at 20% stance) are estimated that exceed their peaks in level walking by fourfold and twofold, respectively. Compared with level walking, ACL forces diminish in the first half of stance but substantially increase later in the second half (peak of 0.76 BW at 75% stance). Under nearly similar contact forces at 20% of stance, the contact stress on the tibiofemoral (TF) medial plateau reaches a peak (9.68 MPa) twice that on the PF joint suggesting the vulnerability of both joints. Compared with walking, stair ascent increases peak ACL force and both peak TF and PF contact stresses. Reductions in the knee flexion moment and/or angle appear as a viable strategy to mitigate internal loads and pain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».