MétaCan
Menu
Retour à la cohorte
Enregistrement W2955090410 · doi:10.4018/ijeach.2019070103

Mitigation of Linear Accelerations and Shear Forces During Drop Head Simulated Falls

2019· article· en· W2955090410 sur OpenAlexaff
Stephen J. Carlson, Carlos Zerpa, Eryk Przysucha, Paolo Sanzo

Notice bibliographique

RevueInternational Journal of Extreme Automation and Connectivity in Healthcare · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésLinear accelerationAccelerationShear forceImpactLinear relationshipPoison controlDrop (telecommunication)Physical medicine and rehabilitationComputer scienceSimulationStructural engineeringEngineeringMedicineMathematicsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The danger and risk associated with ice hockey has led to the development of new helmet technologies and testing protocols to minimize the risk of traumatic brain injuries or concussions. Researchers believe that understanding helmet performance across different impact locations and angles during head collisions helps inform helmet manufacturers in the development of helmet testing protocols for brain injury prevention. Based on these beliefs and concerns, this study examined the dynamic interaction of neck compliance, helmet location, and angle of impact in mitigating linear acceleration and shear forces. The results support the hypothesis that an increasing angle of impact decreases peak linear acceleration and increases shear force. Decreasing neck compliance, however, decreases peak linear acceleration and shear force for some helmet impact locations but not all of them. These results add to the literature by implementing a new helmet testing protocol to provide information beyond traditional measures of peak linear acceleration used in current helmet testing standards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,339
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Extreme Automation and Connectivity in HealthcareMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207