Prothèse du genouthumb|Modèle de prothèse du genou Une prothèse du genou est un implant articulaire interne qui remplace les surfaces articulaires défaillantes du genou, dans le but de permettre de nouveau un appui stable, la flexion et l'extension, et de récupérer un bon périmètre de marche. La prothèse de genou (PG ou PTG) est l'une des opérations les plus communément pratiquées : environ de genou sont posées chaque année en France, Outremer compris. En 2008, aux États-Unis, de genou ont été implantées, chiffre traduisant un taux d'accroissement annuel de 10 % au cours de la décennie 1990.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Prothèse (médecine)vignette|La Jambe de Capoue, en bois recouvert de bronze. Une est un dispositif artificiel destiné à remplacer un membre, un organe ou une articulation. Le mot prothèse vient du latin prosthesis venant du grec signifiant « action d'ajouter ». La première référence à un membre artificiel apparait dans le poème épique indien Rig-Véda: il s'agit de l'amputation de la jambe de la reine guerrière Vishpla. Elle retourne au combat après avoir été équipée d'une jambe de fer par les jumeaux divins Ashvin.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
Genu valgumvignette| Le genu valgum (dit également « genou cagneux » ou « genou en X ») est une déviation vers l'extérieur de l'axe du membre inférieur avec saillie du genou en dedans : les deux genoux se touchent alors que les chevilles sont écartées. Cette déviation est normale et est responsable, entre autres, d'une réduction du coût énergétique de la marche. Mais peut devenir pathologique si elle est trop marquée et gêner la marche ; de plus avec l'âge, les pressions ne s'exerçant pas aux endroits habituels, il est souvent facteur de gonarthrose (arthrose du genou).
Bayesian linear regressionBayesian linear regression is a type of conditional modeling in which the mean of one variable is described by a linear combination of other variables, with the goal of obtaining the posterior probability of the regression coefficients (as well as other parameters describing the distribution of the regressand) and ultimately allowing the out-of-sample prediction of the regressand (often labelled ) conditional on observed values of the regressors (usually ).
GenouLe genou est le segment du membre inférieur situé entre la cuisse et la jambe. Il enferme l'articulation du genou. Sa partie antérieure est occupée par la patella palpable sous la peau. Sa partie postérieure correspond à la fosse poplitée. Le genou a pour limite supérieure la ligne circulaire qui passe à deux travers de doigt au dessus de la patella. Sa limite inférieure est la ligne circulaire passant par l'extrémité inférieure de la tubérosité du tibia.
Modèle linéaire généraliséEn statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.
List of flexors of the human bodyA flexor is a muscle that flexes a joint. In anatomy, flexion (from the Latin verb flectere, to bend) is a joint movement that decreases the angle between the bones that converge at the joint. For example, one's elbow joint flexes when one brings their hand closer to the shoulder. Flexion is typically instigated by muscle contraction of a flexor.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Régression logistiqueEn statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.
Régression non linéaireUne régression non linéaire consiste à ajuster un modèle, en général non linéaire, y = ƒa1, ..., am(x) pour un ensemble de valeurs (xi, yi)1 ≤ i ≤ n. Les variables xi et yi peuvent être des scalaires ou des vecteurs. Par « ajuster », il faut comprendre : déterminer les paramètres de la loi, (a1, ..., am), afin de minimiser S = ||ri||, avec : ri = yi - ƒa1, ..., am(xi). ||...|| est une norme. On utilise en général la norme euclidienne, ou norme l2 ; on parle alors de méthode des moindres carrés.
Anatomical terms of motionMotion, the process of movement, is described using specific anatomical terms. Motion includes movement of organs, joints, limbs, and specific sections of the body. The terminology used describes this motion according to its direction relative to the anatomical position of the body parts involved. Anatomists and others use a unified set of terms to describe most of the movements, although other, more specialized terms are necessary for describing unique movements such as those of the hands, feet, and eyes.
Système intelligent flouUn système intelligent flou (SIF) est un système qui intègre (implémente) de l’expertise humaine et qui vise à automatiser (imiter) le raisonnement d’experts humains face à des systèmes complexes. Il constitue une part importante de l’intelligence artificielle et du soft computing. Un système intelligent flou se base sur la théorie logique qu'est la logique floue.
Ligament croisé postérieurLe ligament croisé postérieur (sigle LCP), ou ligament croisé postéro-interne dans l'ancienne nomenclature, est un ligament de l'articulation fémoro-tibiale. Il fait partie de la paire des ligaments croisés du genou avec le ligament croisé antérieur. Le ligament croisé postérieur est situé dans la fosse intercondylaire du fémur. En haut il se fixe sur la face latérale de condyle médial du fémur. Il descend en croisant dans les plans frontal et sagittal le ligament croisé antérieur.
Multilevel modelMultilevel models (also known as hierarchical linear models, linear mixed-effect model, mixed models, nested data models, random coefficient, random-effects models, random parameter models, or split-plot designs) are statistical models of parameters that vary at more than one level. An example could be a model of student performance that contains measures for individual students as well as measures for classrooms within which the students are grouped.
Notion à contenu variableUne notion à contenu variable (anglais : fuzzy concept) est un concept flou qui présente plus d'une solution interprétative possible dans l'interprétation d'un texte. Il s'agit d'un concept à texture ouverte qui présente un noyau de sens clair sur lequel il y a consensus sur le sens ainsi qu'une zone de pénombre sur laquelle il n'y a pas de consensus, d'après le philosophe du droit H.L.A. Hart. En droit, les théoriciens de l'interprétation des lois ont recours à l'idée de notion à contenu variable lorsque le législateur utilise des concepts à contours indéfinis dans la rédaction d'un texte législatif.
HipIn vertebrate anatomy, hip (or coxa in medical terminology; : coxae) refers to either an anatomical region or a joint. The hip region is located lateral and anterior to the gluteal region, inferior to the iliac crest, and overlying the greater trochanter of the femur, or "thigh bone". In adults, three of the bones of the pelvis have fused into the hip bone or acetabulum which forms part of the hip region. The hip joint, scientifically referred to as the acetabulofemoral joint (art.
OrthoticsOrthotics (Ορθός) is a medical specialty that focuses on the design and application of orthoses, or braces. An is "an externally applied device used to influence the structural and functional characteristics of the neuromuscular and skeletal systems." Orthotists are professionals who specialize in designing these braces. Orthotic devices are classified into four areas of the body according to the international classification system (ICS): orthotics of the lower extremities, orthotics of the upper extremities, orthotics for the trunk, and orthotics for the head.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
