MétaCan
Menu
Retour à la cohorte
Enregistrement W4317384079 · doi:10.1109/robio55434.2022.10011908

Advances in artificial joint bio-friction and wear simulation assessment technology

2022· article· en· W4317384079 sur OpenAlexaff
Yanyan Zhang, Yiming Liang, Shiqiang Zhu, Menglong Ding, Yunhe Bai, Haoyuan Du, Jason Gu, Tiefeng Li

Notice bibliographique

Revue2022 IEEE International Conference on Robotics and Biomimetics (ROBIO) · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensDalhousie University
Organismes subventionnairesChina Postdoctoral Science Foundation
Mots-clésLubricationTribologyJoint (building)Materials scienceMechanical engineeringComputer scienceStructural engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Natural joints have excellent low-friction properties that positively inspire the frictional wear properties of artificial joints. Replacing damaged biological joints with artificial ones can restore bio-function and reduce the pain of arthritic patients. Improvements in the frictional wear properties of artificial joints will effectively increase the life of the prosthesis, especially for young arthritic patients. This paper reviews the lubrication mechanism of natural joints before systematically introducing the development of lubrication and wear simulation techniques for artificial joints, offering references and insights for further studies of artificial joints and the optimization of tribological properties of commercial artificial joint prostheses.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,046
Tête enseignante GPT0,333
Écart entre enseignants0,287 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revue2022 IEEE International Conference on Robotics and Biomimetics (ROBIO)Même sujetOrthopaedic implants and arthroplastyTravaux en français237 207