MétaCan
Menu
Retour à la cohorte
Enregistrement W4404406171 · doi:10.1101/2024.11.12.24317179

Open-source 3D Printable Forearm Crutch

2024· preprint· en· W4404406171 sur OpenAlexaff
Maryam Mottaghi, Laura Danier, Anita So, Jacob M. Reeves, Joshua M. Pearce

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCrutchForearmOpen sourceComputer graphics (images)Computer scienceMedicineAnatomyArchaeologyGeographyOperating system

Résumé

récupéré en direct d'OpenAlex

Abstract Although there has been considerable progress in distributed manufacturing of open-source designs for mobility aids, there is a notable lack of affordable, open-source crutches. Crutches are a vital tool for many individuals with mobility impairments, yet the high costs limit accessibility. Even more, they are in short supply in regions undergoing conflict. The goal of this study is to address this need by leveraging the principles of free and open-source hardware and the capabilities of digital distributed manufacturing to create a low-cost, functional crutch that can be easily produced and customized locally using inexpensive desktop 3D printers. All the design files are open-source, and the design process incorporated load-bearing tests using a hydraulic actuator under static loading conditions to meet the ISO 11334-1:2007 standard for walking aids. The open-source forearm crutch developed in this study not only surpasses the requirements of the ISO method for load capacity (1,516.3 ± 169.9 N, which is 51.6% percent above needs), weighs a fraction of comparable commercial systems (0.612 kg or 27%% of proprietary devices), and is customizable, but also offers a highly cost-effective solution; costing CAD $36 in material, which is less than all equivalent crutches on the open market. If recycled plastic is used, the material cost of the crutch could be further reduced to under CAD $13, making it much more accessible.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil1,000

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 ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,244 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetAnatomy and Medical TechnologyTravaux en français237 207