Influence of test paradigm on loading dynamics during proximal femur fracture tests simulating sideways falls
Notice bibliographique
Résumé
Fall-related hip fractures are a serious public health issue in older adults. As most mechanistic hip fracture risk prediction models incorporate tissue tolerance, test methods that can accurately characterize the fracture force of the femur (and factors that influence it) are imperative. While bone possesses viscoelastic properties, experimental characterization of rate-dependencies has been inconsistent in the whole-femur literature. The goal of this study was to investigate the influence of experimental paradigm on loading rate and fracture force (both means and variability) during mechanical tests simulating lateral fall loadings on the proximal femur. Six pairs of matched femurs were split randomly between two test paradigms: a ‘lower rate’ materials testing system (MTS) with a constant displacement rate of 60 mm/s, and a hip impact simulator (HIT) comprised of a custom-built vertical drop tower utilizing an impact velocity of 4 m/s. The loading rate was 88-fold higher for the HIT (mean (SD) = 2465.49 (807.38) kN/s) compared to the MTS (27.78 (10.03) kN/s) paradigm. However, no difference in fracture force was observed between test paradigms (mean (SD) = 4096.4 (1272.6) N for HIT, and 3641.3 (1285.8) N for MTS). Within-paradigm variability was not significantly different across paradigms for either loading rate or fracture force (coefficients of variation ranging from 0.311 to 0.361). Within each test paradigm, significant positive relationships were observed between loading rate and fracture force (HIT adjusted R2 = 0.833, p = 0.007; MTS adjusted R2 = 0.983, p < 0.0001). Overall, this study provides evidence that energy-based impact simulators can be a valid method to measure femoral bone strength in the context of fall-related hip fractures. This study motivates future research to characterize potential non-linear relationships between loading rate and fracture threshold at both macro and microscales.
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 | 0,000 | 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) | 0,003 | 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 ».