Caractérisation multimodale de l’ostéointégration et du remodelage osseux en fonction de l’environnement
Bibliographic record
Abstract
Le développement du tissu osseux, en particulier au contact d’un implant (ostéointégration), est un phénomène dépendant de multiples facteurs relatifs au patient, à la chirurgie et aux propriétés de l’implant. Pour mieux comprendre l’ostéointégration et l’optimiser, de nombreuses approches ont été utilisées, aussi bien in vitro qu’in vivo. L’objectif de cette étude est de caractériser les phénomènes d’ostéointégration. Pour ce faire, deux approches complémentaires ont été mises en oeuvre afin d’étudier l’os et son interface avec l’implant tout en contrôlant l’environnement du tissu osseux. Premièrement, une méthodologie ex vivo a été adoptée pour étudier le tissu osseux. Un bioréacteur à perfusion a été conçu afin de caractériser le développement d’échantillons osseux de grande taille (environ 1 cm3) sur une période de dix semaines. Une culture osseuse a été menée et analysée par microtomographie à rayons X (μCT). L’analyse par recalage des images volumiques en début et fin de culture a permis de mettre en évidence l’importance des facteurs environnementaux pour mettre en place du remodelage osseux. Deuxièmement, un modèle d’implant in vivo a consisté à utiliser une pastille en alliage de titane pour étudier l’ostéointégration. Muni d’une couronne de PTFE, formant une chambre osseuse au contact de l’implant, ce modèle permet de distinguer l’os nouvellement formé de l’os mature situé en dehors de la chambre. Le tissu osseux autour de l’implant a été caractérisé par tomographie par neutrons, afin de s’affranchir des artéfacts obtenus avec l’implant métallique lors de l’utilisation des rayons X. En premier lieu, cette technique a été comparée à l’histologie, technique de référence pour l’étude de l’interface os-implant. Un recalage d’images a été utilisé pour trouver les images 2D neutrons correspondant aux coupes histologiques. Les quantités d’os dans la chambre osseuse et au contact avec l’implant (BIC) ont été évaluées dans ces images 2D pour chacune des techniques. À la suite de cette étude comparative, la chambre osseuse, imagée par tomographie par neutrons, a été analysée en 3D afin de mettre en lumière une répartition particulière de l’os proche de l’implant. L’étude comparative avec l’histologie a confirmé la capacité de la tomographie par neutrons à distinguer le tissu osseux, avec une corrélation significative entre les deux modalités pour la quantité osseuse et le BIC. De plus, cette technique s’est aussi montrée sensible aux tissus mous, différenciables de l’os dans les images volumiques. L’analyse tridimensionnelle de la chambre osseuse a mis en évidence une répartition du tissu cohérente avec de l’ostéointégration de contact, c’est-à-dire une croissance osseuse à partir des surfaces synthétiques (ici l’implant et la couronne de PTFE). La combinaison des approches in vivo et ex vivo, et des techniques d’analyse (histologie, tomographie par neutrons, μCT) permet d’apporter de nouvelles clés dans la compréhension du tissu osseux et des modèles appliqués en recherche. Bien que complexe à mettre en place, l’étude ex vivo permet d’isoler efficacement l’effet des facteurs étudiés. De plus, l’apport de nouvelles techniques de caractérisation de l’os, comme la tomographie par neutrons, offre de nouvelles perspectives d’étude du tissu, en particulier dans un contexte d’ostéointégration d’implants.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| 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 | 0.001 |
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".