MétaCan
Menu
Retour à la cohorte
Enregistrement W1999156994 · doi:10.1080/15389588.2014.937804

Factors Influencing the Oblique Impact Test of Motorcycle Helmets

2014· article· en· W1999156994 sur OpenAlexaff
Iman Ebrahimi, Farid Golnaraghi, G. Gary Wang

Notice bibliographique

RevueTraffic Injury Prevention · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésOblique caseStructural engineeringEngineeringAccelerationPoison control

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Oblique impact tests can provide important information regarding the level of protection of a helmet. Two factors that influence the results of oblique impact tests on motorcycle helmets are discussed in this work. The first factor is the angle of the anvil on which the helmet impacts. The second one is the friction between the headform and the helmet's interior. METHODS: To study the first factor, 2 anvil angles are provided, one 30° and the other one 15° to the vertical. To analyze the second factor, we consider 2 types of headform surfaces: the original metal surface of the standard headform and the same headform covered uniformly with a layer of silicone rubber that is 1 mm thick. RESULTS: The results show that varying the anvil's angle and surface friction can directly affect the linear and rotational acceleration of the headform. CONCLUSION: Testing helmets for different oblique impact angles can help assess their protection capability. The coefficient of friction between the helmet's interior and the headform plays an important role in the headform's rotational acceleration during an impact. Using a standard surface friction for headform similar or close to that of the human scalp can ensure that the results of the oblique impact tests are more consistent and realistic.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,313
Écart entre enseignants0,290 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraffic Injury PreventionMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207