EP79 Multi-Material 3D-Printed Hip Joint Model With Labral Seal for Surgical Planning
Notice bibliographique
Résumé
Abstract Introduction Cam-type femoroacetabular impingement (FAI) is a condition in which excess bone at the femoral head–neck junction can damage the labrum and cartilage tissue. FAI is common, occurring in 22–55% of patients with hip pain [1]. Femoral osteochondroplasty is a common treatment, but low patient satisfaction has been reported [2]. We propose 3D-printed models for surgical planning to ensure a healthy post-operative labral seal. Methods MRI and CT images from a healthy hip joint were segmented, including all soft tissues but the ligamentum teres. The Ottawa Hospital Research Institute ethics board approved secondary use of deidentified images. Material jetting 3D printing was used to create a multi-material hip joint model. Distraction testing was performed following established methods [3] to quantify labral seal efficacy. The model was mounted to a tensile testing machine in a neutral pose and the joint was lubricated with vacuum grease. The model was compressed to form the labral seal and then pulled until the seal was broken; force and displacement were measured. The maximum distraction force and displacement at seal break were averaged over five trials and compared to existing cadaveric studies [4–11]. Results The maximum distraction force was 116 ± 11 N (mean ± standard deviation) and the displacement at labral seal break was 3.31 ± 0.235 mm. Discussion Our 3D-printed model demonstrated similar maximum distraction force and displacement as cadaveric tests, and shows promise as a new tool for surgical planning. Future work includes submerging the joint during testing to better simulate physiological conditions. References 1 Best & Martin, Principles of Orthopedic Practice for Primary Care Providers, 2nd ed, 159–72, 2021. 2. Farjo et al, Arthroscopy, 15:132–7, 1999. 3. Lee et al, Am J Sports Med, 43:98–104, 2015. 4. Suppauksorn et al, Arthroscopy, 38:365–73, 2022. 5. Nepple et al, Knee Surg Sports Traumatol Arthrosc, 22:730–6, 2014. 6. Utsunomiya et al, Am J Sports Med, 48:2733–9, 2020. 7. Maldonado et al, Am J Sports Med, 50:2462–8, 2022. 8. Storaci et al, Am J Sports Med, 48:2726–32, 2020. 9. Kaplan et al, Arthroscopy, 40:2575–84, 2024.
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 | 0,000 |
| 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 ».