Durch Verdrehen oder Flechten von menschlichen Hamstringtransplantaten, bei der Rekonstruktion des VKB, wird die Zugfestigkeit und Steifigkeit signifikant reduziert
Bibliographic record
Abstract
Hintergrund: Zur Optimierung der initialen, biomechanischen Eigenschaften von VKB-4fach-Transplantaten, wird das Verdrehen oder Flechten der Transplantatstränge propagiert. Hypothese: Das Verdrehen oder Flechten von Vierfachsträngen menschlicher Hamstringsehnen hat keinen signifikanten Effekt auf die initiale Stärke oder Steifigkeit des Transplantates. Methodik: Es wurden 24 Paare (Pa) freier Semitendinosus- und Grazilissehnen-Vierfach-Transplantate (QSTG), von menschlichen, nicht konservierten, Leichenknien präpariert (Alter: 63±16). Bei 12 Pa, wurden von dem Knie einer Seite das QSTG auf einer Strecke von 30mm Länge um 180 Grad verdreht, das QSTG der Gegenseite wurde in paralleler Anordnung für die biomechanische Testung vorbereitet. Bei den übrigen 12 Pa, wurde ein QSTG zu einem Zopf geflochten, während das Transplantat der Gegenseite erneut parallel angeordnet wurde. Nach gleichmäßiger Vorspannung der vier Stränge wurden die QSTG in den Kryo-Klemmen befestigt. Die Zugfestigkeit und Steifigkeit wurden nach zyklischer Vorbelastung (100 Zyklen) bei einer Dehnungsrate von 100%/Sekunde ermittelt. Ergebnis: Verdrehte QSTG verringern die Kraft um 26% (p<0,01) und die Steifigkeit um 43% (p<0,01), geflochtene QSTG verringern die Kraft um 46% (p<0,01) und die Steifigkeit um 54% (p<0,01), bei dem Vergleich mit parallel ausgerichteten Strängen. Schlussfolgerung: Gleichmäßig gespannte, parallele QSTG sind signifikant stärker und steifer als verdrehte oder geflochtene QSTG.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".