MétaCan
Menu
Retour à la cohorte
Enregistrement W4297222392 · doi:10.7759/cureus.29596

Comparison of Cortical Bone Fracture Patterns Under Compression Loading Using Finite Element–Discrete Element Numerical Modeling Approach and Destructive Testing

2022· article· en· W4297222392 sur OpenAlexaff
Nick Hudyma, A. Lisjak, B. S. A. Tatone, Hillary W. Garner, Jeffrey Wight, Akhil S Mandavalli, Ifeloluwa A Olutola, George G.A. Pujalte

Notice bibliographique

RevueCureus · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésFinite element methodDiscrete element methodFracture (geology)Displacement (psychology)Compression (physics)Extended finite element methodDiscretizationStructural engineeringMechanicsMaterials scienceComposite materialMathematical analysisEngineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Finite element analysis may not be the only method by which bone fracture initiation and propagation may be analyzed. This study compares fracture patterns generated from compression testing of bone to fracture patterns generated using a combination of both the finite element method (FEM) and discrete element method (DEM) as defined by the finite discrete element method (FDEM). Before testing, a three-dimensional bone model was developed using CT. Force and displacement data were collected during testing. The tested specimen was reimaged using CT. The solid model was discretized and material properties adjusted such that finite element-discrete element macro behavior matched the force-displacement data. A qualitative comparison of the fracture patterns demonstrates that FDEM can successfully be used to simulate and predict fracturing in bone, with this study representing the first time this has been done and reported.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,525
Score d'incertitude au seuil0,850

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,301
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetRock Mechanics and ModelingTravaux en français237 207