Personalized Biomechanical Modeling of Pathologic Fracture: CTFEA Reveals Limitations of Traditional Fracture Risk Assessment in Benign Bone Tumors
Notice bibliographique
Résumé
Benign bone tumors such as chondroblastoma, giant cell tumors (GCT), and aneurysmal bone cysts (ABC) are rare but clinically significant lesions that frequently occur in the epiphyseal regions of long bones, particularly near load-bearing joints in children and young adults. These tumors compromise the structural integrity of bone, leading to an elevated risk of pathologic fracture. Traditional methods for estimating fracture risk rely on simple geometric thresholds and volumetric ratios, but they fail to account for patient-specific differences in bone geometry, material heterogeneity, and physiological loading conditions. As a result, risk is often misclassified, which may lead to either overtreatment or missed prevention opportunities. To address this limitation, this study presents a preliminary demonstration of computed tomography-based finite element analysis (CTFEA) as a novel alternative method (NAM); computational framework using patient-specific CTFEA to evaluate fracture risk in four patients with benign knee tumors. Clinical computed tomography (CT) imaging and motion capture-informed joint loading were used to develop anatomically accurate, mechanically calibrated models incorporating nonlinear bone behavior. CTFEA simulations focused on walking, jogging, and partial weight-bearing conditions, captured localized stress and strain distributions, and were benchmarked against clinical and volumetric assessment criteria. CTFEA outperformed traditional methods by revealing mechanical vulnerabilities, including in cases classified as low-risk clinically, through its ability to simulate individualized loading scenarios. These findings demonstrate the feasibility and potential of CTFEA as a noninvasive, patient-specific alternative to animal or oversimplified models, with direct implications for preoperative planning and fracture risk stratification in orthopedic surgery.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».