Field-based Assessments of Various AIS2+ Head Risk Curves for Frontal Impact
Notice bibliographique
Résumé
In the present study, various risk curves for moderate-to-fatal head injury (AIS2+) were theoretically assessed by comparing model-based injury rates with field-based injury rates. This was accomplished by applying the risk curves in corresponding field models. The resulting injury rates were considered from two perspectives: aggregate (0-56 kph events) and point-estimate (higher-speed, barrier-like events). Four risk curves were studied: a HIC15-based curve from Mertz et al. (1997), a BRIC-based curve from Takhounts et al. (2011), a BrIC-based curve from Takhounts et al. (2013) and a Concussion-Correlate-based curve from Rowson et al. (2013). The field modeling pertained to adult drivers in 11-1 o'clock, towaway, full-engagement frontal crashes in the National Automotive Sampling System (NASS, calendar years = 1993-2012), and the model-year range of the passenger vehicles was 1985-2010. The attendant inhomogeneity of the restraint systems was approximated by four representative systems. Prior to the field modeling, base models were developed and validated to acceptable levels. Specifically, there were seven assessments of head-impact tests (avg PctDiff = 5.2%) and nine assessments of representative restraint-system models relative to fleet-wide tests (avg PctDiff = 5.0% relative to fleet medians). Subsequently, 36 comparisons were conducted via the field modeling relative to NASS (i.e., four curves and nine aggregate/point assessments). On average, the Concussion-Correlate-based curve demonstrated the best fidelity from the aggregate perspective (+7% difference), with the following rank ordering: Concussion Correlate, HIC15, BRIC, and BrIC. As for the point-estimate perspective, the HIC15 curve demonstrated the best fidelity (−26% difference), rank ordered as HIC15, Concussion Correlate, BRIC, and BrIC. The data underlying these results indicated that more study is needed to improve the fidelity of curve-based risk estimation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».