MétaCan
Menu
Retour à la cohorte
Enregistrement W7124189010 · doi:10.1109/icdxa69105.2025.11329676

Literature Review on the Optimization of 3D-Printed Ankle Foot Orthosis (AFO) for Children with Spastic Cerebral Palsy

2025· article· W7124189010 sur OpenAlexaboutno aff
Putra Aji Pangestu, Christian Harito

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCerebral palsyAnkleOrthoticsTaguchi methodsSpasticPersonalizationSpastic cerebral palsyEngineering design process

Résumé

récupéré en direct d'OpenAlex

This literature review explores the optimization of 3D-printed Ankle Foot Orthoses (AFOs) for children with spastic cerebral palsy (CP), focusing on digital design, material selection, mechanical validation, and user-centered evaluation. Recent studies highlight the benefits of thermoplastic materials—such as TPU, PETG, and PLA—for enhancing comfort and durability, particularly when optimized using the Taguchi Design of Experiment (DOE) method. Structural performance is assessed through Finite Element Analysis (FEA), while design selection is often supported by the Analytical Hierarchy Process (AHP). Patient satisfaction is commonly measured using standardized tools such as the Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST). Despite these advances, research that integrates these methods remains limited. This review highlights the need for bridging engineering optimization with user feedback to improve clinical effectiveness and customization of orthotic devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207