Notice bibliographique
Résumé
OBJECTIVES: To review current knowledge and recent concepts of the causes of injuries after minor impact automobile collisions and to acquaint those who treat these types of injuries with possible injury thresholds and mechanisms that may contribute to symptoms. DATA SOURCES: A review of literature involving mechanisms of injury, tissue tensile threshold, and neurologic considerations was undertaken. A hand-search of relevant engineering, medical/chiropractic, and computer Index Medicus sources in disciplines that cover the variety of symptoms was gathered. RESULTS: Soft-tissue injuries are difficult to diagnose or quantify. There is not one specific injury mechanism or threshold of injury. With physical variations of tissue tensile strength, anatomic differences, and neurophysiologic considerations, such threshold designation is not possible. CONCLUSIONS: To make a competent assessment of injury, it is important to evaluate each patient individually. The same collision may cause injury to some individuals and leave others unaffected. With the variability of human postures, tensile strength of the ligaments between individuals, body positions in the vehicle, collagen fibers in the same specimen segment, the amount of muscle activation and inhibition of muscles, the size of the spinal canals, and the excitability of the nervous system, one specific threshold is not possible. How individuals react to a stimulus varies widely, and it is evident peripheral stimulation has effects on the central nervous system. It is also clear that the somatosensory system of the neck, in addition to signaling nociception, may influence the control of neck, eyes, limbs, respiratory muscles, and some preganglionic sympathetic nerves.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 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 ».