A comparison of anti-whiplash seats during low/moderate speed rear-end collisions
Notice bibliographique
Résumé
Objectives: The Insurance Institute for Highway Safety (IIHS) rates automotive seats as good, acceptable, marginal, and poor on their abilities to prevent whiplash injuries during rear-end collisions. The goal of this study was to compare the performance of some good- and poor-rated seats at speed changes below 16 km/h where some whiplash injuries occur.Methods: A BioRID II anthropometric test device (ATD) underwent rear-end collisions from 2 to 14 km/h while seated on one of two Volvo Whiplash Prevention seats (WHIPS), a Saab Active Head Restraint seat (SAHR), or a General Motors High Retention seat (GMHR). The WHIPS and SAHR seats were rated good whereas the GMHR seat was rated poor by the IIHS. The ATD’s kinematics, kinetics and three neck injury criteria were evaluated across the range of collision severities.Results: Most of the head and torso kinematics, kinetics and injury criteria exhibited graded responses with increasing collision severities. Only head extension angle remained relatively similar across all speed changes. Differences between the good- and poor-rated seats were most apparent in the upper neck loads and moments, and head retraction for speed changes greater than 6 km/h.Conclusions: The relatively similar occupant responses across all seats could explain the marginal reductions in whiplash injury risk between good- and poor-rated seats in field studies. Further research into the design of anti-whiplash devices is required to better understand the link between occupant response and injury, and to better mitigate the risk of whiplash injuries during rear-end collisions.
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) | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».