Field-based Assessments of Various AIS2+ Head Risk Curves for Frontal Impact
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">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).</div><div class="htmlview paragraph">Four risk curves were studied: a HIC15-based curve from <span class="xref">Mertz et al. (1997)</span>, a BRIC-based curve from <span class="xref">Takhounts et al. (2011)</span>, a BrIC-based curve from <span class="xref">Takhounts et al. (2013)</span> and a Concussion-Correlate-based curve from <span class="xref">Rowson et al. (2013)</span>.</div><div class="htmlview paragraph">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.</div><div class="htmlview paragraph">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).</div><div class="htmlview paragraph">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.</div></div>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».