MétaCan
Menu
Retour à la cohorte
Enregistrement W2996039818 · doi:10.1115/1.4045709

Density Variation in the Expanded Polystyrene Foam of Bicycle Helmets and Its Influence on Impact Performance

2019· article· en· W2996039818 sur OpenAlexaff
Shannon G. Kroeker, Muammer Ç. Özkul, Alyssa L. DeMarco, Stephanie J. Bonin, Gunter P. Siegmund

Notice bibliographique

RevueJournal of Biomechanical Engineering · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésExpanded polystyreneHead (geology)PolystyreneBulk densityEnvironmental scienceMaterials scienceComposite materialGeologySoil science

Résumé

récupéré en direct d'OpenAlex

Bicycle helmets attenuate head impacts using expanded polystyrene (EPS) foam liners. The EPS density plays a key role in determining the helmet and head response during an impact. Prior pilot work in our lab showed that EPS density varied by up to 18 kg/m3 within a single helmet, and thus the purpose of this study was to quantify the regional density variations within and between helmets and to establish how these variations influence helmet impact performance. We evaluated 10-12 samples of two traditional and two bicycle motocross (BMX) bicycle helmets with EPS liners. The bulk liner density and density of 16-19 cores extracted from specific locations on each sample were measured. Additional samples of two of these helmet models were then impacted at 3.0, 6.3, and 7.8 m/s to determine the relationship between local EPS density and helmet impact performance. We found that density varied significantly within each sample in all helmet models and also varied significantly between samples in three helmet models. The density variations were not symmetric across the midline in two of the four helmet models. The observed density variations influenced the helmets' impact performance. Our data suggest that variations in peak headform acceleration during impacts to the same location on different samples of the same helmet model can be partially explained by density differences between helmet samples. These density variations and resulting impact performance differences may play a role in a helmet's ability to mitigate head injury.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,687
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,258
Écart entre enseignants0,248 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomechanical EngineeringMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207