MétaCan
Menu
Retour à la cohorte
Enregistrement W7086798204 · doi:10.6084/m9.figshare.30323774

Multidisciplinary co-creation, design and clinical evaluation of a two-material 3D printed ankle-foot orthosis: Preliminary clinical findings in a case report of fibular hemimelia

2025· article· en· W7086798204 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Challenges and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsability3d printedPersonalizationFlexibility (engineering)3D printingMultidisciplinary approachSystem usability scalePatient satisfactionOrthotics

Résumé

récupéré en direct d'OpenAlex

Lower-limb orthoses are often either standardized, lacking personalization for individual clinical needs, or custom-made, which is time-consuming and labor-intensive for orthotists. To address this gap, this study proposes a co-creation methodology for developing a customized orthosis, integrating 3D scanning, computer-aided design (CAD), and 3D printing with feedback from both the clinical team and the patient’s caregivers. The methodology was applied to a fibular hemimelia case study, where the orthosis was designed based on 3D scans and printed using two materials: thermoplastic polyurethane (TPU) for flexibility and polyethylene terephthalate glycol (PETG) for rigidity. Usability and satisfaction assessments were conducted using the System Usability Scale (SUS) and the Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST 2.0). The orthosis met the clinical requirements, allowing the child to take a normal stride without discomfort (SUS: 92.5/100; QUEST 2.0: 4.2/5). Although the orthosis fractured at the ankle after a few hours of use, the study provided crucial insights for future design improvements. These findings highlight the utility of this co-creation approach in developing personalized orthotic models and demonstrate the advantages of using multi-material 3D printing to enhance orthosis functionality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,148
Tête enseignante GPT0,465
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetEducational Challenges and InnovationsTravaux en français237 207