Effects of Using Generic vs. Subject-Specific Muscle Properties on Spinal Load Prediction Across Different Posture Simulations
Notice bibliographique
Résumé
Subject-specific musculoskeletal models hold promise for adult spinal deformity management. However, fully subject-specific models require subject-specific soft-tissue properties not typically available in clinical settings. Models created using generic properties are more accessible but potentially less accurate. The objective of this study was to identify which biomechanical properties of muscle function, and in which specific body positions, exhibit significant differences when implementing generic versus subject-specific properties. Using OpenSim, we analyzed 250 subject-specific models, focusing on four muscle parameters: geometry-path, maximum-isometric-force, optimal-fiber-length, and tendon-slack-length across 11 postures, encompassing standing and flexed postures. A linear mixed-effects model evaluated the impact of muscle parameters on spinal compression loads. Differences in compression load between the models with subject-specific and generic data were compared statistically using non-parametric methods. Subject-specific geometry-path and maximum-isometric-force significantly influenced spinal compression loads, with mean differences of 13 % and 8 %, respectively. Differences were posture-dependent (geometry-path p < 0.001; max-isometric-force p = 0.005). Optimal-fiber-length (p = 0.053) and tendon-slack-length (p = 0.680) showed minimal impact (∼1% difference). Flexed postures were more sensitive to generic muscle parameters, with mean differences of 17 % (geometry-path) and 6 % (max-isometric-force), compared to standing (6 % and 4 %, respectively). The pronounced deviations observed in flexion simulations emphasized the necessity of subject-specific data in such simulations. However, when subject-specific data is not available, simulations based on standing postures are the least affected by the use of generic properties.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».