MétaCan
Menu
Retour à la cohorte
Enregistrement W7138986543 · doi:10.1115/1.4071436

Computational Modeling of Orthopedic Screw Pullout Performance According to ASTM F543: A Validation Approach Based on ASME V&V40 Standard and Food and Drug Administration Guidance

2025· article· en· W7138986543 sur OpenAlexafffund
Franck Le Navéaux, Loïc Degueldre, Marie-Hélène Beauséjour, Yvan Petit, Éric Wagnac, Julien Clin

Notice bibliographique

RevueJournal of Verification Validation and Uncertainty Quantification · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensÉcole de Technologie SupérieureSpinologics (Canada)
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCredibilityContext (archaeology)Process (computing)Finite element methodWork (physics)Orthopedic surgery

Résumé

récupéré en direct d'OpenAlex

Abstract Computational modeling and simulation (CM&S) is increasingly used to complement or replace traditional bench testing in the design, evaluation, and regulatory assessment of orthopedic devices. For orthopedic bone screws, pullout performance is commonly assessed through ASTM F543 testing, but this process can be costly and time-consuming. Finite element (FE) models, when subjected to rigorous verification, validation, and uncertainty quantification, can serve as surrogates to reduce reliance on experimental testing while supporting regulatory submissions. This study presents an end-to-end methodology for establishing the credibility of a device-agnostic FE model simulating screw pullout in accordance with ASTM F543. The model replicates the mechanical interaction between a bone screw and synthetic bone foam, with the quantity of interest being the maximum pullout force. Its context of use (CoU) is defined as a full surrogate for physical testing, and its associated use risk was determined to be medium-high, based on its role in device safety and performance assessment. Credibility activities were defined using the ASME V&V40 framework and the 2023 Food and Drug Administration (FDA) CM&S credibility guidance. Twenty-five credibility factors were reviewed, and high ratings were achieved for 19, reflecting a high degree of rigor across verification, calibration, validation, and applicability evidence. This work illustrates how a risk-informed credibility framework can be applied to establish a validated computational model of a standardized test in the medical device field, supporting its use as a surrogate for bench testing in both development and regulatory contexts.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
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 Opus0,050
Tête enseignante GPT0,325
Écart entre enseignants0,276 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Verification Validation and Uncertainty QuantificationMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207