Comparison of Socket Geometry, Socket Comfort, and Patient Experience between Manually- and Digitally-Designed Prosthetic Sockets for Lower-Limb Amputees: A Feasibility Study
Notice bibliographique
Résumé
Prosthetic socket manufacturing is experiencing a revolutionary shift towards using digital methods, such as 3D scanning and 3D printing. However, using digital methods requires the clinician to transfer their skills from making sockets by hand to making sockets with a computer. This shift in practice may change the socket geometry and fit; however, to what extent is unknown. Thus, the aim of this study was to explore the feasibility of analyzing geometric and clinical differences between digitally- and manually-designed sockets. Nine adult inpatients with below-knee amputation were recruited. Two sockets were 3D printed for each participant from 3D socket models that were developed from: (1) 3D scanning a manually-modified hand-casted positive mold of the residuum; and (2) a digitally-modified 3D scan of the residuum. Manual and digital procedures were compared for three measures: final socket geometry, the Socket Comfort Score, and a patient experience survey. Feasibility data were collected to measure protocol implementation fidelity to inform a future larger study. These data revealed that 89% of participants followed the intended protocol, no participants dropped out, and only one adverse event was report. As no significant geometric differences were found and participants experienced similar comfort scores between manually- and digitally-designed sockets, study feasibility was determined to be successful. Thus, a randomized control trial study will be conducted to draw statistically relevant conclusions from these outcome measures that may provide meaningful information for improving digital design procedures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».