Subject-Specific Modeling of the Proximal Femur During Falls: Dual Importance of Impact Dynamics and Bone Morphology
Notice bibliographique
Résumé
Clinical risk factors for hip fracture can influence both fall-induced loading and underlying femur morphology/strength; however, these effects are generally studied in isolation. We evaluated the potential effects of fall-type, biological sex, and trochanteric soft tissue thickness (TSTT) on femoral neck stresses and fracture risk index during lateral impacts. Thirty-two young adults completed voluntary falls, representative of falls in older adults. Peak impact force magnitude, direction, and point of application were extracted and applied to subject-specific beam models generated from dual-energy X-ray absorptiometry (DXA) scans. Falls with loading vectors directed more perpendicular to the femoral shaft were associated with increased compressive stress in the superior-lateral cortex (a demonstrated site of fracture initiation). Despite 44.5% greater impact force among males, no sex-based differences in femoral neck stresses were observed. Low-TSTT participants experienced greater femoral neck stresses than high-TSTT participants despite no differences in impact force magnitude. These findings highlight the importance of considering underlying differences in narrow neck mechanical properties (which vary across sex and TSTT-groups) when assessing tissue-level loading. Consistent with clinical findings, increased TSTT was associated with reduced fracture risk index among females but not males. This study provides novel insights into the mechanistic pathways through which different fall-types, biological sex, and TSTT may modulate hip fracture risk. Coupling of experimental fall simulations with tissue-level models enabled a computationally efficient method to investigate hip fracture risk, which is sensitive to biological variability.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».