Gradation of Neck Muscle Responses and Head/Neck Kinematics to Acceleration and Speed Change in Rear-end Collisions
Notice bibliographique
Résumé
Recent epidemiological evidence shows that the potential for whiplash injury varies with both the average acceleration and speed change of a rear-end collision. The goal of this study was to examine the gradation of neck muscle responses and the head and neck kinematics to rear-end collision pulses in which the acceleration and speed change were independently varied. Thirty subjects (15F, 15M) underwent 36 consecutive rear-end collisions consisting of three different average accelerations (ā = 0.5, 0.9 and 1.3 g) and three different speed changes (Deltav = 0.25, 0.50 and 0.75 m/s). Onset and amplitude of the sternocleidomastoid (SCM) and cervical paraspinal (PARA) muscle responses were measured using surface electromyography. Kinematic measures included linear and angular accelerations and displacements of the head and torso. The results showed that the amplitude of the muscle and kinematics responses was graded to both collision acceleration and speed change. The magnitude of early peaks in the head/neck kinematics correlated more strongly with collision acceleration (r(2) = 0.63 to 0.69), whereas the magnitude of later kinematic peaks correlated more strongly with collision speed change (r(2) = 0.59 to 0.95). Onset of the SCM muscle response correlated only weakly with collision acceleration and speed change (r(2) </= 0.07). A collision pulse descriptor obtained by multiplying average acceleration and speed change (āDeltav) yielded the strongest and most consistent correlations with neck muscle (r(2) = 0.48 to 0.58) and head/neck kinematic responses (r(2) = 0.78 to 0.94). This measure of collision severity is also consistent with the recent epidemiological evidence that whiplash symptom intensity and duration increases with both average acceleration and speed change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».