MétaCan
Menu
Retour à la cohorte
Enregistrement W3020806590 · doi:10.1080/10255842.2020.1758680

Development of a test method for adult ice hockey helmet evaluation

2020· article· en· W3020806590 sur OpenAlexaff
Andrew Post, Lauren Dawson, T. Blaine Hoshizaki, Michael D. Gilchrist, Michael D. Cusimano

Notice bibliographique

RevueComputer Methods in Biomechanics & Biomedical Engineering · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensUniversity of OttawaSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésConcussionIce hockeyLinear accelerationTraumatic brain injuryPoison controlHybrid IIIPhysical medicine and rehabilitationInjury preventionMedicineEngineeringAccelerationMedical emergencyPhysics

Résumé

récupéré en direct d'OpenAlex

Ice hockey helmet standards have primarily been developed to reduce risk of traumatic brain injury (TBI). While severe TBI has become a rare event in ice hockey, concussion, a type of mild TBI, remains a common head injury. Concussions, in ice hockey result from a number of head impact events including, collisions, stick impacts, puck impacts, falls into the boards, impacts to the glass, and falls to the ice. Helmet testing methods need to represent the impact events creating concussions in ice hockey. The purpose of this research was to develop a helmet test protocol and performance metric for concussive impacts in ice hockey. A protocol using concussion impact parameters from published literature was created that used monorail and linear impactors to impact a helmeted Hybrid III headform. The linear and rotational acceleration time curves were then used to calculate brain tissue strain using the University College Brain Trauma Model. The proposed test protocols created kinematic responses that were representative of levels associated with concussion in ice hockey. Rotational velocity and rotational acceleration were both identified as useful performance metrics representing levels of risk for concussion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,060
Tête enseignante GPT0,390
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Methods in Biomechanics & Biomedical EngineeringMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207