MétaCan
Menu
Retour à la cohorte
Enregistrement W1909448503

Improved side impact protection: the development of injury assessment functions

2001· article· en· W1909448503 sur OpenAlexaff
Tom Gibson, Evangelos Benetatos, Stuart Newstead, Brian Fildes

Notice bibliographique

RevueProceedings of the 17th International Technical Conference on the Enhanced Safety of Vehicles (ESV) · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésCrashPoison controlSide impactRisk assessmentRisk analysis (engineering)Crash testEngineeringComputer scienceMedicineComputer securityMedical emergency
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objective of the ISIP Project has been to develop a methodology to allow vehicle designers to optimize safety systems of vehicles in side impacts. This optimization was based on the minimization of the cost of injury or Harm. To form the link between the safety system protective capability in a crash and the cost of injury to the occupant required the development of a series of lateral impact Injury Assessment Functions (IAFs). These IAFs had to be able to predict the risk of injury, in AIS (abbreviated injury scale), for each of the major body regions of the occupant. The injury predictions were used to derive Harm for the crash and were based on the responses of a human surrogate, the BioSID. This paper describes the development of these lateral injury IAFs from the analysis of cadaver test data.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,327
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the 17th International Technical Conference on the Enhanced Safety of Vehicles (ESV)Même sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207