Back to Search
Start Over
Investigation of Injury Predictors for Rat Neuro Trauma
- Publication Year :
- 2024
-
Abstract
- A traumatic brain injury is usually caused by a direct impact to the head and is a common cause of disability and death all around the world. The most effective method to predict brain injury today, is to use a finite element head model. In this investigation, the three injury predictors strain, strain rate, and the product of strain and strain rate were investigated using a rat brain finite element model. The main goal was to find which injury predictor most effectively would predict injury. To find the injury predictor with the highest area under curve value, comparisons between experimental results obtained from simulations and results from previously performed experiments on rats were made. To better understand how different factors can affect the severity of symptoms from a traumatic brain injury, a parametric study with a focus on rotational direction and rotational duration was conducted. Simulations were run on a rat brain finite element model for three rotational directions and three rotational durations. The statistical analysis was completed for six experiments and nine brain regions. The three injury predictors were extracted from 26 simulations completed on a rat brain finite element model, and the maximum values of the 95th percentile for each brain region were extracted. The results showed that the product of the strain and the strain rate was the most effective injury predictor for four out of six experiments (unconscious time, EPM arm change, EPM open duration, and MWM session 3). The parametric study investigated rotation in the axial, coronal, and sagittal plane against the three rotational durations 1.5 ms, 3 ms, and 6 ms. The parametric study revealed that both the direction and duration of rotation importantly influence the extent of damage in traumatic brain injuries. The results showed that rotation in the axial plane and a 3 ms duration caused the most brain damage. It was also concluded that the results need to undergo additional verificat<br />En traumatisk hjärnskada orsakas vanligtvis av våld mot huvudet och är en vanlig orsak till både funktionsnedsättningar och dödsfall världen över. Den effektivastemetoden för att kunna förutsäga en hjärnskada idag är att använda en finit elementmetodmodell av en hjärna. I denna undersökning har de tre skadeprediktorerna belastning, belastningshastighet och produkten av belastningen och belastningshastigheten undersöktes med hjälp av simuleringar genomförda på en modell av en råtthjärna, byggd med hjälp av finita elementmetoden. Målet var att ta reda på vilken skadeprediktor som mest effektivt kunde förutsäga hjärnskada. För att hitta skadeprediktorn med högst area under curve-värde gjordes jämförelser mellan experimentella resultat från simuleringar mot resultat från tidigare utförda experiment på råttor. För att få en djupare förståelse för vilka parametrar som kan påverka graden av symptom från en traumatisk hjärnskada genomfördes en parametrisk studie med fokus på rotationsriktning och rotationstid. Nya simuleringar genomfördes på en finit elementmodell av en råtthjärna i tre rotationsriktningar och under tre rotationstider. Den statistiska analysen utfördes på sex experiment och för nio regioner i hjärnan. Belastningen, belastningshastigheten samt produkten av belastningen och belastningshastigheten extraherades från 26 simulerade finita element råtthjärnor och maximumvärdet från den 95.e percentilen sparades. Resultatet av den statistiska analysen visade att produkten av belastningen och belastningshastigheten var den skadeprediktorn med bäst skadeförutsägelse för fyra av sex experiment(medvetslös tid, EPM arm förflyttning, EPM varaktighet i öppet utrymme och MWM session 3). Under den parametriska studien undersöktes axial, koronal och sagittal rotationsriktning mot de tre rotationstiderna 1.5 ms, 3 ms och 6 ms. Resultatet av den parametriska studien visade att både rotationsriktning och rotationstid spelar viktiga roller när det kommer till omfattningen av s
Details
- Database :
- OAIster
- Notes :
- application/pdf, English
- Publication Type :
- Electronic Resource
- Accession number :
- edsoai.on1428153435
- Document Type :
- Electronic Resource