Biomechanical study of injury mechanisms and spinal cord injury at the cervical spine
Bibliographic record
Abstract
Les blessures en flexion-distraction, touchant les structures disco-ligamentaires postérieures, sont fréquentes au rachis cervical et entraînent de forts risques de blessures médullaires. Le mécanisme lésionnel de ces blessures est toujours débattu et peu d’informations existent sur la contribution des structures disco-ligamentaires à la stabilité post-traumatique et à l’atteinte neurologique. L’objectif principal de la thèse était d’analyser l’influence du mécanisme lésionnel sur l’instabilité et l’endommagement mécanique de la moelle lors de blessures en flexion-distraction. D’abord, une étude expérimentale a été menée pour caractériser le mécanisme lésionnel global lors d’impact dynamique à l’arrière de la tête sur sujets cadavériques. La mobilité pré- et post-trauma de ces sujets a également été mesurée. Ensuite, un modèle par éléments finis (MEF) du rachis cervical a été raffiné et utilisé pour étudier le mécanisme lésionnel lors d’un chargement en flexion ou en flexion et compression combinées sur une unité fonctionnelle (C4-C5), puis la contribution des structures disco-ligamentaires postérieures à la stabilité du rachis cervical (C2-T1) en flexion post-trauma. Finalement, diverses blessures disco-ligamentaires ont été testées sur le MEF (C2-T1) et les patrons de contraintes et de déformations dans la moelle épinière ont été analysés. Ce projet a démontré le lien entre les patrons de blessures disco-ligamentaires et l’instabilité et des données nouvelles de cinématique de la tête et du rachis cervical lors d’impacts à la tête ont été recueillies. Les connaissances acquises permettront de guider la conception et l’évaluation de dispositifs de protection du rachis.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".