Enhancing meniscal repair with tough adhesive puncture sealing (TAPS) suture: A proof‐of‐concept study on bovine cadaveric knees
Notice bibliographique
Résumé
Purpose: The objective was to use cyclic tensile loading to compare the gap formation at suture site of three different suture materials to repair bovine radial meniscal tears: (1) polyglactin sutures, (2) tough adhesive puncture sealing (TAPS) sutures and (3) ultra-high molecular weight polyethylene (UHMWPE) sutures. Methods: Twelve ex vivo bovine knees were dissected to retrieve the menisci. Complete radial tears were performed on 24 menisci, which were then separated into three groups and repaired using either pristine 2-0 polyglactin sutures, TAPS sutures (2-0 polyglactin sutures coated with adhesive chitosan/alginate hydrogels) or 2-0 UHMWPE sutures with a single stitch. The repaired menisci were clamped onto an Instron machine and underwent cyclic loading between 5 and 25 N at a frequency of 0.16 Hz. Gap formation between the edges of the tear was measured after 500 cycles using an electronic caliper, when the meniscus was still on the Instron without any load applied. Results: Mean gap formation was 5.22 mm (±1.70) for the 2-0 polyglactin sutures, 2.48 mm (±0.25) for the TAPS sutures, and 4.85 mm (±1.55) for the 2-0 UHMWPE sutures. The gap was significantly smaller in the TAPS sutures group compared to the two others because of better force dispersion, decreasing tissue damage by suture indentation and potentially leading to better meniscal healing. Conclusions: From a biomechanical standpoint, coated sutures held the edges of radial meniscal tears closer together compared to conventional sutures. This technology has the potential to reduce tissue damage and improve the success rate of meniscal repairs. Level of Evidence: controlled laboratory study.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».