Computational study of extrinsic factors affecting ACL strain during single-leg jump landing
Notice bibliographique
Résumé
Abstract Background Non-contact anterior cruciate ligament (ACL) injuries are a major concern in sport-related activities due to dynamic knee movements. There is a paucity of finite element (FE) studies that have accurately replicated the knee geometry, kinematics, and muscle forces during dynamic activities. The objective of this study was to develop and validate a knee FE model and use it to quantify the relationships between sagittal plane knee kinematics, kinetics and the resulting ACL strain. Methods 3D images of a cadaver knee specimen were segmented (bones, cartilage, and meniscus) and meshed to develop the FE model. Knee ligament insertion sites were defined in the FE model via experimental digitization of the specimen’s ligaments. The response of the model was validated against multiple physiological knee movements using published experimental data. Single-leg jump landing motions were then simulated on the validated model with muscle forces and kinematic inputs derived from motion capture and rigid body modelling of ten participants. Results The maximum ACL strain measured with the model during jump landing was 3.5 ± 2.2%, comparable to published experimental results. Bivariate analysis showed no significant correlation between body weight, ground reaction force and sagittal plane parameters (such as joint flexion angles, joint moments, muscle forces, and joint velocity) and ACL strain. Multivariate regression analysis showed increasing trunk, hip and ankle flexion angles decreases ACL strain (R2 = 90.04%, p < 0.05). Conclusions Soft landing decreases ACL strain and the relationship could be presented through an empirical equation. The model and the empirical relation developed in this study could be used to better predict ACL injury risk and prevention strategies during dynamic activities.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».