Poster Session III, July 15th 2010 — Abstracts Finite element analysis of the effect of loading curve shape on brain injury predictors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traumatic (TBI) and mild traumatic brain injury (mTBI) occur in everyday incidents as well as sporting events, and their prediction has become important factor in prevention. Currently, the prediction of these injuries is limited to peak linear and angular acceleration values derived from laboratory reconstructions. With the advent of more powerful computers, the use of finite element modelling has become a research tool which is used in an effort to link linear and angular acceleration values to brain injury parameters such as stress and strain. However it remains unclear as to what aspect of these curves contributes to brain tissue damage. This research will use the University College Dublin Brain Trauma Model (UCDBTM) to analyze three distinct curve shapes, independently in each axis of linear and angular acceleration, and their effect on currently used predictors of TBI and mTBI. Three curve inputs were run through the UCDBTM, curve A had a late peak, curve B had an early peak, and curve C had a continuous plateau. All three curves had equivalent areas. Each curve was run in each axis, x, y, and z for linear and angular acceleration outputs. The results indicate that Curve A produced consistently higher maximum principal strains and Von Mises Stress than the other two curve types. Curve C consistently produced the lowest values, with Curve B being lowest in only 2 cases. The areas of peak Von Mises Stress and Principal strain also varied depending on curve shape and acceleration input.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle