Simulación numérica del índice de lesión encefálica provocado por un accidente vehicular en diferentes escenarios de colisión
Notice bibliographique
Résumé
Este trabajo se centra en el estudio de los efectos resultantes tras un accidente automovilístico y específicamente en el Criterio de Lesión Encefálica (HIC, por sus siglas en ingles). Utilizando dos modelos numéricos diferentes de maniquí y representados en condiciones diferentes de acuerdo a las características propias para cada evento. Para el primer caso, se tiene un infante de 6 años bajo el efecto de una colisión vehicular frontal empleando un asiento porta infante en dirección del sentido de la marcha del vehículo. Para tal efecto, se incluyó un cinturón de seguridad del automóvil y el pretensor de 5 puntos que incluye la silla porta infante para visualizar los efectos de la silla perfectamente instalada y cuando no está adecuadamente anclada al vehículo. Para el segundo escenario, se busca evaluar la agresividad de los frontales de los vehículos de acuerdo a su geometría y composición. Donde la obtención de parámetros biomecánicos, como: fuerza, velocidad y aceleración son fundamentales para determinar el daño producido en el peatón. Los análisis numéricos presentados en este trabajo se desarrollaron bajo las directivas establecidas por la Canadian Motor Vehicle Safety Standard 208 y la United States Federal Motors Vehicle Safety Standard. Con valores de HIC obtenidos, es posible establecer las bases y teorías capaces de predecir los daños que sufrirá cada uno de los casos estudiados.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».