Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Ostéoarthrite goujon-traumatique de prévision utilisant les modèles de calcul simplifiés

Les blessures d'articulation de genou, telles que la rupture de ligament, sont courantes dans les athlètes. Car les ligaments communs intacts offrent une condition préalable pour la stabilité commune, des blessures de ligament souvent sont chirurgicalement reconstruites. Cependant, dans de nombreux cas ces blessures ou cabinets de consultation peuvent mener à l'ostéoarthrite goujon-traumatique. Le cartilage articulaire, qui sert à fournir le contact sans friction entre les os, s'use à l'extérieur complet, entraînant des douleurs articulaires sévères, le manque de mobilité et même l'isolement social. Actuel, la prévention du début et du développement de l'ostéoarthrite est toujours la meilleure ligne de conduite clinique. La modélisation numérique peut être employée pour prévoir l'emplacement prédisposé de l'ostéoarthrite ; cependant, il est trop compliqué pour la vérification clinique de manque d'utiliser-et des prévisions.

Les chercheurs de l'université de la Finlande orientale, en collaboration avec l'Université de Californie à San Francisco, clinique de Cleveland, l'université du Queensland, l'université d'Oulu et centre hospitalier universitaire de Kuopio, ont développé une méthode pour prévoir l'ostéoarthrite goujon-traumatique dans les patients avec des ruptures de ligament utilisant un modèle de calcul simplifié. Les chercheurs ont également vérifié les prévisions modèles contre les changements structurels et compositionnels mesurés de l'articulation de genou entre les moments complémentaires. Les découvertes étaient rapportées en biomécanique clinique.

Dans cette étude d'épreuve-de-concept, des modèles de calcul ont été produits des images de résonance magnétique cliniques patientes et du mouvement mesuré. On a assumé que le cartilage articulaire se dégénère en raison des tensions excessives de tissu, menant à la dégénérescence de fibrille de collagène, ou des déformations excessives, entraînant la perte de protéoglycane. Ces prévisions étaient alors comparées contre des changements des paramètres d'IRM-détail joints à chaque mécanisme de dégénérescence.

Nos résultats proposent qu'un modèle d'élément fini relativement simple, en termes de géométrie, mouvement et matériaux, puisse recenser des endroits prédisposés de l'ostéoarthrite, en conformité avec les changements mesurés de l'articulation de genou de l'IRM. De telles méthodes seraient particulièrement utiles en évaluant l'effet des interventions chirurgicales ou en évaluant des options non-chirurgicales de management pour éviter ou retarder le début et/ou l'étape progressive d'ostéoarthrite. »

Paul Bolcos, stagiaire de PhD, chercheur, université de la Finlande orientale

Les découvertes sont significatives et pourraient fournir des voies pour l'évaluation clinique de patient-détail des risques d'ostéoarthrite et indiquer des protocoles optimaux et différents de rééducation.

« Nous travaillons actuel à ajouter plus de patients afin d'aider à ajuster les paramètres de dégénérescence et à assurer la sensibilité du mécanique aux paramètres d'IRM. Plus tard, cette méthode pourrait être combinée avec une approche entièrement robotisée pour produire de ces modèles de calcul développés dans notre groupe, réduisant l'écart entre la recherche et l'application clinique, » Bolcos continue.

Source:
Journal reference:

Bolcos, P.O. et al. (2019) Identification of locations susceptible to osteoarthritis in patients with anterior cruciate ligament reconstruction: Combining knee joint computational modelling with follow-up T1ρ and T2 imaging. Clinical Biomechanics. doi.org/10.1016/j.clinbiomech.2019.08.004.