综述：什么是PCSA？解决下肢肌肉骨骼模型中的多样性问题：PCSA和肌肉质量的年龄与性别相关差异

本综述系统回顾了57项研究，揭示了当前开源肌肉骨骼（MSK）模型在最大等长力缩放中忽视的年龄与性别差异。研究发现男性股直肌（RF）和半膜肌（SM）相对质量（%Mm）更高，而女性在臀肌（Gmax, Gmed）和踝关节肌肉（TA, TP, EDL）中占比更大。老年人臀中肌（Gmed）%Mm更高，年轻人则在小腿三头肌（GAS）和股直肌（RF）中占比更大。现有模型（如OpenSim中的Gait2392、Arnold等）均未能准确反映女性肌肉分布，呼吁未来研究需整合年龄与性别特异性参数以提升模型精准度。

　　

1. 引言

肌肉骨骼（MSK）计算机模型在过去三十年中已成为研究关节和肌腱生物力学载荷的重要工具，这些载荷在实验中难以直接测量。模型广泛应用于肌肉骨骼病理学研究、运动优化、手术干预评估以及辅助设备开发。最常用的MSK模型通过刚体、关节和肌肉来广义地表示肌肉骨骼系统。然而，肌肉路径、力矩臂、肌腱松弛长度、最佳纤维长度、激活与失活动力学以及最大等长力等参数在个体间存在差异。通常，通用模型通过缩放这些参数来匹配特定人群的特征，但研究表明，力预测对Hill型肌肉模型的参数非常敏感，尤其是最佳纤维长度、生理横截面积（PCSA）和肌腱松弛长度。

大多数生物力学研究依赖于缩放的开源通用模型，例如OpenSim中的模型，这些模型基于有限数量的死后人体组织（离体、体外）研究和一些体内数据。除了一个下肢模型外，这些通用模型基于不同来源的数据组合，使用混合性别数据来表示肌肉参数，骨骼几何则源自男性尸体。在此过程中， segment 属性被线性缩放到个体或人群，最佳纤维长度和肌腱松弛长度根据 segment 长度进行缩放，但PCSA以及最大等长力参数通常不被缩放。研究人员通常在模拟失败时统一增加这些值，但缺乏适当的缩放指南。尽管众所周知衰老会影响身体，且个体在体型和组成上存在差异，但这些因素通常未纳入模型的最大等长力参数中。

此外，纳入年龄差异还需要理解年龄与性别之间的关系。例如，研究表明，老年男性的等速力量低于年轻男性，但与年轻女性相当，即使在校正体重后也是如此。肌肉骨骼疾病在性别和生命周期中表现不同。骨关节炎在老年女性中更常见，而男性椎间盘突出率更高。年轻女性面临更高的ACL撕裂和髌骨脱位风险，而男性更容易出现腘绳肌拉伤。因此，忽略年龄性别差异会削弱肌肉骨骼模型在理解和治疗肌肉骨骼健康方面的功效和适用性。

1.1. 最大等长力

在肌肉骨骼建模中，最大等长力（F⁰_m）是肌肉在最佳纤维长度和零收缩速度下完全激活时产生的最高收缩力。该力取决于并联肌小节的数量，由生理横截面积（PCSA）和肌肉特异性张力（σ_muscle）表示，后者是肌小节产生力的能力：F⁰_m = PCSA ? σ_muscle。对于纤维与长轴平行的肌肉，如腘绳肌，PCSA等于解剖横截面积（ACSA），可在肌肉最厚处测量。在羽状肌中，如股直肌，PCSA垂直于纤维测量，形成V形或弧形切割。羽状肌由于PCSA更大（即纤维数量更多），因此比具有相似ACSA的平行纤维肌肉产生更大的力量。

1.2. 最大等长力的相对分布

最大等长力的比率，即肌肉间最大等长力的相对分布，是一个关键因素，因为开源MSK模拟软件中使用的冗余求解器通过最小化成本函数（通常减少肌肉激活）来解决肌肉冗余，从而偏爱具有较高最大等长力的肌肉。因此，优化对肌肉间最大等长力的相对差异敏感，这引发了对在不同人群中使用相同比率的有效性的担忧。

尽管动物研究中观察到不同纤维类型和运动单元的特异性张力差异，但大多数肌肉骨骼模型假设σ_muscle在肌肉和个体间是恒定的。这意味着σ_muscle作为最大等长力的缩放因子，PCSA是肌肉间分布的主要决定因素。尽管医学成像用于估计PCSA数据的应用日益增多，但仍然缺乏针对特定年龄或性别组的肌肉参数缩放参考材料。此外，最常下载的开源MSK模型是否充分代表这些组别尚不清楚。这提出了当前MSK模型缩放实践是否有效考虑了性别和年龄组间PCSA差异的问题。

1.3. 目的

本meta分析的目的是利用文献来理解下肢肌肉PCSA以及最大等长力应如何相对于性别和年龄进行缩放。本综述旨在提供实验 derived PCSA参数的全面概述，重点关注PCSA作为最大等长力的指标。这种方法避免了在比较文献值和OpenSim模型值时由肌肉特异性张力（σ_muscle）变化引入的偏差。研究区分了不同年龄组、性别和 fitness 水平，检查了PCSA（%PCSA）的分布，并将这些发现与通用开源下肢MSK模型中使用的肌肉参数进行了比较。

1.4. PCSA定义

尽管可以直接测量PCSA，但这具有挑战性，尤其是对于羽状肌。因此，经常使用代理。这些近似简化了肌肉几何形状，假设其为长方体，并基于此近似计算横截面积。PCSA与肌肉体积成正比，与纤维长度成反比，其中现在使用最佳纤维长度：PCSA = M_m / (L_o ? ρ)，其中M_m是肌肉质量，L_o是最佳纤维长度，ρ是肌肉密度，在模型中保持恒定在1.056 g/cm3。解剖研究使用肌肉质量，因为它比体积更容易确定。现代成像简化了这一点，允许使用PCSA = V_m / L_o计算PCSA，其中V_m是肌肉体积。这种方法在特定肌肉长度（关节角度）和张力水平下在体内适用。

1.5. 羽状角

肌肉产生力的大小与羽状角（θ）无关。然而，θ影响力的方向，并需要确定作用于肌腱的纵向力，使用PCSA的投影。根据以往出版物，这将被称为功能横截面积（FCSA）：FCSA = (M_m / (L_o ? ρ)) ? cos(θ) 或 FCSA = (V_m / L_o) ? cos(θ)。校正羽状角隔离了作用于肌腱的力，排除了影响肌肉增厚和变薄的侧向力。这种校正在某些应用中很有价值，例如用于确定肌肉间的有效力量。

在肌肉骨骼建模中，最大等长力（F⁰_m）是Hill肌肉模型中收缩元素的关键参数，该模型包括一个与弹性弹簧（肌腱）串联的收缩元素和一个并联弹性元素。该模型结合了力-长度和力-速度关系曲线，由F⁰_m调整。羽状角（θ）虽然不是原始模型的一部分，但通过cos(θ)将并联元素转换为与肌腱对齐的力。

由于模型固有地考虑了这种力投影，FCSA不应用于肌肉骨骼模拟中的F⁰_m。相反，F⁰_m应使用PCSA计算，如方法1或2所述。自1980年代以来，许多研究报告了FCSA。在肌肉骨骼模拟中直接使用这些数据作为F⁰_m会导致低估1/cos(θ)倍。由于羽状角差异，这种误差在肌肉间 varies。

除此之外，关于在Hill型模型中使用羽状角的争论仍在继续。静态羽状角不能准确反映收缩期间的动态肌肉行为，即使动态模型也未能考虑肌纤维间的剪切力。

在本综述中，我们仅纳入了那些根据方法1和2报告PCSA或可以校正以代表这些方法的文章。每种计算PCSA的方法都需要特定的肌肉参数。最初，这些是通过尸体解剖评估的，至今仍在继续。最近，使用先进成像技术如MRI、US和DTI的新数据集已经出现。补充材料A.3概述了当前测量PCSA参数的方法。

2. 方法

2.1. 搜索策略

文献搜索在Scopus、Pubmed和Google Scholar数据库中进行，时间范围为2023年4月至2024年7月。使用的关键词包括：(“Physiological cross-sectional area” OR “PCSA” OR “Muscle Volume”) AND (“Pelvis” OR “Pelvic” OR “Shank” OR “Thigh” OR “Leg” OR “Foot” OR “extensors” OR “Flexors” OR “Lower limb” OR “-specific muscle name-”) AND (“MRI” OR “MR Imaging” OR “Magnetic resonance imaging” OR “CT” OR “computer tomography” OR “Ultrasound” OR “cadaver” OR “Dissection” OR “in-vivo” OR “ex-vivo”)。对定位研究的参考文献进行了彻底审查，以确保所有相关 works 都被包括在内，即使它们被基于关键词的搜索无意中省略了。

研究最初根据标题和摘要的相关性进行选择。随后，任何用英语撰写并为健康个体提供明确PCSA值的研究都被纳入。非人类研究和数值模拟研究被排除。仅以图形表示PCSA结果而无数值数据的文章也被排除。此外，内在足肌被从分析中省略，因为它们未包含在 current 下肢MSK模型中。当仅呈现汇总数据时，向作者请求了原始数据。

2.2. 数据提取

2.2.1. 测量数据

论文根据相关主题组织，包括下肢位置（腿、骨盆）、参与者组（儿童、年轻人、成年人、老年人、运动员）、肌肉特异性张力和图像模态可靠性。报告的值分为四个年龄组，根据肌肉质量下降的平均 onset 在30岁和加速下降在65岁：儿童（CH）：18岁及以下；年轻成年人（YA）：18-30岁；成年人（AD）：30-65岁；老年人（EL）：65岁及以上。如果研究明确报告的值来自运动员，我们将其归类为“Ath”，后跟相应的年龄组。我们使用两个性别组（女性（F）和男性（M））来确定每个类别中每种性别的比率和数量。

我们从每篇论文中收集了以下附加信息：成像模态；PCSA值的平均值、标准差（SD）和范围；样本大小；男女比例；参与者特征（体重、身高、年龄）；测量时的身体位置；肌肉特征：（最佳）纤维长度和羽状角；确定PCSA的方法；特异性强度。

2.2.2. 通用开源MSK模型数据

我们纳入了五个最常用的OpenSim下肢模型的模型参数进行比较：Delp（模型D）、Gait2392/2354（模型G）、Arnold（模型A）、London Lower Limb（模型L）和Rajagopal（模型R）。这些模型在 segment 数量、执行器数量、自由度、身高、体重和肌肉参数来源上有所不同。例如，Delp模型模拟一个1.8米高、75.16公斤体重的个体，肌肉参数主要来自Wickiewicz (1983)， supplemented by Friederich & Brand (1990)。Rajagopal模型使用来自Ward (2009)和Handsfield (2014)的肌肉肌腱参数。

2.3. 数据分析

2.3.1. 相对肌肉强度（%Mm）

为了调查%PCSA中的年龄和性别相关差异，我们确定了报告男性和女性个体PCSA数据的研究，重点关注那些至少包括一条完整腿肌肉数据的研究。由于年轻成年人中此类研究的可用性有限，我们选择使用相对肌肉质量（%Mm）而不是%PCSA，因为这允许我们从更广泛的数据集中汲取资源。在此过程中，我们假设，与开源肌肉骨骼模型一致，肌肉密度在健康个体内跨肌肉是恒定的。理论上，如果最佳纤维长度的年龄和性别相关相对差异与肌肉质量的相应差异完全成反比，这可能会消除在%PCSA中观察到的差异。然而，我们认为这种情况 unlikely。因此，%Mm的差异仍然提供了有意义且相关的近似。

我们通过将每个单独肌肉的质量除以一组 minimal 下肢肌肉来估计%Mm：收肌短肌（AB）、收肌长肌（AL）、大收肌（AM）、股薄肌（GRA）、股二头肌（BIC）、半膜肌（SM）、半腱肌（ST）、股直肌（RF）、股外侧肌（VL）、股内侧肌（VM）、胫骨前肌（TA）、趾长伸肌（EDL）、拇长伸肌（EHL）、比目鱼肌（SOL）、腓肠肌（GAS）和缝匠肌（SAR）。为了 enable 研究间的比较，我们将相关肌肉的质量合并形成肌肉组：腓肠肌（GAS = 内侧腓肠肌（MG）+ 外侧腓肠肌（LG））、股四头肌（VAS = 股中间肌（VI）+ 股外侧肌（VL）+ 股内侧肌（VM））、髂腰肌（ILIOPS = 髂肌（Iliac）+ 腰大肌（Psoas））和股二头肌（BIC = 股二头肌短头（BFSH）+ 股二头肌长头（BFLH））。

我们将数据分类到定义的性别（F,M）和年龄（YA, AD, EL）组中，并进行了双向ANOVA以检测%Mm的显著差异。

2.3.2. 绝对肌肉强度（PCSA和Mm）

为了提供所有PCSA值的全面概述，包括那些未报告完整小腿的数据，我们以图形格式呈现了PCSA值，按年龄、性别和 fitness 水平分类。图形描绘了平均PCSA值，如果可用，还包括范围。如果未提供范围，则使用公式估计95%置信区间（CI）：CI₉₅ = PCSA_mean ± Z ? (PCSA_SD / √n)，其中对于n ≥ 30，Z = 1.96，对于n < 30，使用t分布值 for Z。

对于用于估计%Mm的文章，我们还报告了绝对肌肉质量（Mm），并将数据分类到定义的年龄和性别组中。我们进行了双向ANOVA以检测Mm的显著差异。

2.3.3. 比较通用开源MSK模型

在每个图形概述中，我们整合了来自通用开源MSK模型数据的%Mm、Mm和PCSA值。对于每个肌肉，我们评估了模型跨特定年龄-性别- fitness 组的表示。如果特定组的肌肉参数测量样本量少于五个个体，我们认为数据不足以得出结论。

为了 enable %Mm与通用模型的比较，我们使用公式确定模型中的肌肉质量：M_m-model = PCSA ? L_o ? ρ (Eq. 9)，其中L_o是最佳纤维长度，ρ是肌肉密度（1.056 g/cm3）。然后，我们通过将每个单独肌肉的质量除以先前提到的 minimal 下肢肌肉的总质量来获得%Mm。

3. 结果

3.1. 搜索结果

最初确定了879篇论文，经过预选后剩下330篇。去除重复后，审查了322篇论文，并纳入了57篇包含明确PCSA数据进行进一步分析。系统综述的流程图在Fig. 2中提供。

Table 2显示了每个 demographic 组每个肌肉的参与者数量。所有PCSA值的图形概述在Supplementary Tables A.4.2-A.4.4中提供，每个研究中使用的最佳纤维长度在Supplementary Tables A.4.5-A.4.8中找到。大多数数据可用于膝屈肌（SM, ST）和伸肌（RF, VAS）以及较大的跖屈肌（GAS）， primarily 用于年轻人和老年人。然而，男性在老年人组中 underrepresented，女性在年轻人组中 underrepresented。儿童（<18岁）和成年人（30-65岁）的数据也缺乏（Table 2）。

为了确定%Mm，我们确定了报告至少一条完整腿肌肉质量（Mm）并分别针对男性和女性的文章：Charles et al. (2019), Friederich and Brand (1990), Klein Horsman et al. (2007), Ruggiero et al. (2016), Son et al. (2024), Theile (1884), Ward et al. (2009)。缺乏参与者特征的研究被排除。Seireg & Arvikar (1973)和Wickiewicz et al. (1983)（Fig. 2）。选择%Mm而不是%PCSA due to 使用这些文章估计PCSA的局限性，因为一些研究没有测量最佳纤维长度（Theile, 1884）或基于平均纤维长度进行计算（Friederich & Brand (1990), Charles et al. (2019)）。因此，没有年轻人的%PCSA数据可用。Fig. 3提供了下一节讨论的主要发现的视觉概述。

3.2. 性别差异

3.2.1. 相对和绝对肌肉质量

男性在肌肉中的Mm显著高于女性，除了LG、Gmin和Piri，其中差异不显著（Fig. 4）。在一个肌肉MG中，年龄组的Mm平均年龄显著不同（女性：71岁，男性：53岁）。

虽然男性具有更高的绝对Mm，但这些差异在检查腿部肌肉质量的相对分布时大多消失，除了少数例外（Fig. 5）。然而，男性在RF（p = 0.028）和SM（p = 0.026）中显示出显著更高的%Mm，表明与女性相比，这些双关节肌肉中肌肉质量的比例更大（男性RF = 5.5%，SM = 6% vs. 女性RF = 4.9%，SM = 5.2%）。相反，女性在骨盆肌肉臀大肌（Gmax: F = 26%, M = 21.7%, p = 0.031）和臀中肌（Gmed: F = 12.6%, M = 9.7%, p = 0.015）以及踝关节肌肉胫骨前肌（TA: F = 3.7%, M = 3.2%, p = 0.006）、胫骨后肌（TP: F = 2.7%, M = 2.3%, p = 0.038）和趾长伸肌（EDL: F = 1.9%, M = 1.6%, p = 0.032）中显示出更高的%Mm。Piri和QdF在女性中也更高，但小样本量限制了结论。年龄组间没有显著的%Mm差异。

3.2.2. 比较通用开源MSK模型

将肌肉骨骼模型中的Mm与实验数据进行比较，Rajagopal和Londen Lower Limb模型显示最一致的表示，通常超过男性Mm均值，并最好地代表男性绝对肌肉质量，有少数例外。Arnold模型大多落在男性和女性均值之间，表明它可以代表强健的女性或较弱的男性。Gait2392/2354和Delp模型波动很大，一些肌肉超过男性均值，其他落在低女性范围内，使它们不一致。

Gait2392/2354和Delp模型在多个肌肉中落在实验范围之外，不一致地代表任一性别的肌肉质量分布。Arnold、Londen Lower Limb和Rajagopal模型在实验范围内。对于具有显著性别差异 in %Mm的肌肉，Londen Lower Limb和Rajagopal匹配男性分布。Arnold在RF、EDL和Gmed上与女性分布一致，在TA、TP和Gmax上与男性分布一致。

3.3. 年龄差异

3.3.1. 相对和绝对肌肉质量

老年人组中Pect、QdF、Piri、TFL和Gmin的实验数据不足（n = 2）用于年龄组比较，年轻人组中BFSH、BFLH、LG、Ps和FDL的数据不足（n < 5），但 combined BIC和GAS的数据足够。在数据可用的肌肉中，老年人的Mm显著少于年轻人，除了ST（p = 0.072）、VL（p = 0.076）、VI（p = 0.087）、PerB（p = 0.066）、Gmax（p = 0.156）和Gmed（p = 0.987）。这些不显著的差异仍然显示老年人平均Mm较低的趋势，除了Gmed，其中均值相似。成年人在14个肌肉中也显示出显著低于年轻人的Mm（Fig. 6）。只有FHL在老年人中与成年人相比具有显著较低的均值。

在%Mm比较中，大多数年龄差异消失（Fig. 7, Fig. 3），排除了每组样本少于五个的肌肉。年轻人在RF（YA = 6.1%, AD = 5.2%, EL = 5%, p = 0.007）、GAS（YA = 10.2%, AD = 8.5%, EL = 7.8%, p < 0.001）和MG（YA = 7.9%, AD = 5.5%, EL = 4.9%, p = 0.001）中具有显著更高的%Mm compared to 成年人和老年人。发现GAS的显著年龄×性别交互作用（p = 0.005），年轻人在FHL中与老年人相比具有更高的%Mm（YA = 2.5%, EL = 1.7%, p = 0.042）。Gmed在老年人中显著高于年轻人（YA = 7.6%, EL = 12%, p = 0.042）。然而，年轻人的数据，尤其是女性（Gmed: F/M = 1/4），有限。观察到SM的主要年龄效应，但事后分析未显示组间显著差异。

3.3.2. 比较通用开源MSK模型

Arnold最适合代表老年人，其Mm和%Mm across all 肌肉与老年人组均值紧密匹配。Rajagopal最好地反映年轻人Mm，除了ST，其与老年人值更一致。对于%Mm，Rajagopal在几个肌肉中与成年人 mostly 一致，使其成为非老年人人群的最佳选择。Londen Lower Limb通常表现出更高的Mm，使其代表年轻人。然而，对于%Mm，它更好地反映了老年人，特别是对于具有显著年龄相关差异的肌肉，如Gmed、FHL和GAS。Gait2392/2354不一致，其Mm和%Mm跨肌肉在年轻人和老年人之间波动，使其不能代表任何特定年龄组。Delp在Mm上与老年人一致，但在%Mm中跨年龄组波动，一些肌肉落在预期范围之外。

3.4. 年龄性别差异

3.4.1. PCSA比较通用开源MSK模型

基于性别、年龄和大小缩放最佳纤维长度的规则尚不清楚，因此没有从实验数据直接翻译从Mm到PCSA。由于 comprehensive 下肢PCSA数据的可用性有限，我们只能评估PCSA的差异，而不是%PCSA。然而，结果表明，从肌肉质量（Mm）比较中得出的结论在代表年龄和性别方面也与生理横截面积（PCSA）相关。

4. 讨论

本meta分析的目的是利用文献来理解下肢肌肉PCSA以及最大等长力应如何相对于性别和年龄进行缩放。我们的结果表明，最大等长力的等距缩放未能考虑相对肌肉质量分布中与年龄和性别相关的显著差异。当前的肌肉骨骼模型在绝对和相对肌肉质量分布方面对年龄和性别的表示各不相同。

4.1. 性别相关差异

男性表现出显著高于女性的绝对肌肉质量，但这些差异在检查腿部肌肉质量的相对分布时大多消失，除了少数例外。男性在RF和SM中显示出显著更高的%Mm，表明这些双关节肌肉中肌肉质量的比例更大。相反，女性在骨盆肌肉（Gmax和Gmed）和几个踝关节肌肉（TA、TP、EDL）中具有更高的%Mm，以及Piri和QF肌肉，尽管后两个的有限样本阻止了明确的结论。

女性骨盆肌肉中%Mm的增加可能归因于骨盆形状的解剖学差异。女性通常具有更宽的骨盆，导致臀肌更大的插入面积，这可能增加该区域的相对肌肉质量。此外，性别间髋关节几何形状的差异导致与 moment arms 相关的性别相关变化，与Gmed体积显著相关。相比之下，RF附着于髂骨 spine，由于男性更高的骨盆形状，其位置相对远离远端插入。这导致男性RF肌肉比其他下肢肌肉更长，可能导致更大的%Mm。这是否适用于%PCSA取决于最佳纤维长度是否与肌肉长度以相同的线性速率缩放。使用有限可用%PCSA数据的初步分析表明，性别差异在%PCSA中仍然存在。

4.2. 年龄相关差异

老年人大多数肌肉的绝对肌肉质量显著少于年轻人，除了ST、VL、VI、PerB和Gmax，这些显示不显著差异但老年人均值较低。Gmed质量似乎不受年龄影响，与Preininger et al. (2011)的发现一致，该研究表明在102名老年患者中年龄与Gmed体积无关。大多数年龄相关差异在%Mm比较中减弱，除了少数肌肉。年轻人在RF、MG和GAS中与成年人和老年人相比具有显著更高的相对肌肉质量，并且在FHL中与老年人相比具有更高的相对质量。值得注意的是，老年人在Gmed中与年轻人相比显示出显著更高的相对肌肉质量。Gmed在维持平衡和稳定骨盆中的主要作用与GAS和RF形成对比，后者更多地参与动态活动如步态。这种肌肉质量的重新分布可能反映了与年龄相关的行为和/或生活方式变化。这一观察与老年人中报告的发现一致。在日常生活活动中，存在关节工作的近端重新分布，可能与肌肉质量的不均匀下降有关。

4.3. 开源肌肉骨骼模型中年龄和性别的表示

肌肉力量分布的年龄和性别差异通常在当前开源MSK模型中没有得到很好的体现。我们承认这些模型是在不同时间开发的，并且通常旨在改进其前身（Londen Lower Limb通过使用单个尸体数据改进了Delp，Arnold通过使用多个尸体改进了Delp和London Lower Limb，Rajagopal部分引入了来自年轻健康个体的数据（体内））。尽管如此，这些连续的迭代仍然没有提供针对特定 demographic 组的 targeted 适用性，这限制了它们在大多数 contexts 中的 precision。

特别是，Gait2392/2354模型不一致地匹配任一性别的肌肉质量分布，并且在年轻人和老年人肌肉质量之间波动，使其不能代表任一组。这种不一致可能源于对于Gait2392/2354模型，对Delp模型应用了额外的强度缩放以与活体受试者的关节扭矩-角度关系对齐。尽管试图保持一致的缩放因子，但最终使用了不同的因子，尤其是对于双关节肌肉。

对于年龄表示，Arnold模型与老年人组均值在Mm和%Mm上最一致。关于性别表示，它在所有肌肉中显示Mm略高于女性均值且低于男性均值。对于具有%Mm性别相关差异的肌肉，该模型在RF、EDL和Gmed中代表女性，在TA、TP和Gmax中代表男性。因此，它没有充分 accounting for 特定性别差异。

Rajagopal和Londen Lower Limb模型在Mm和%Mm上都代表男性，是唯一两个展示性别一致性的模型。没有一个模型充分代表女性的%Mm。Rajagopal在Mm上也代表年轻人，在%Mm上代表成年人，使其成为平均男性