MétaCan
Menu
Retour à la cohorte
Enregistrement W3097427119 · doi:10.11159/cdsr20.156

Injury Risk and Comfort Assessment Applied to AmbulanceTransportation

2020· article· en· W3097427119 sur OpenAlexaff
Daniel G. Kyrollos, Terrin Stachiw, James R. Green, Robert Langlois

Notice bibliographique

RevueProceedings of the International Conference of Control, Dynamic systems, and Robotics · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMedical emergencyComputer scienceTransport engineeringAeronauticsEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Speed humps are an effective means to moderate the speed of traffic but can have adverse effects on the circulation of emergency vehicles.This study aims to use various comfort and injury risk metrics to evaluate the effects of speed hump traversal on the comfort of the passengers.Studies of human comfort during ambulance transport typically consider the peak acceleration and the wholebody vibration dose value from ISO 2631-1.The novel application of other metrics in the ambulance transport scenario, which were derived for naval and aviation settings, provided additional insight to the human biodynamic response and comfort.The following parameters were considered in the study: peak seat acceleration, dynamic response index, peak lumbar acceleration, bandwidth-limited power-spectral density, and the average acceleration onset derivative (average jerk).In-vehicle road tests were conducted in a Type III ambulance on flat-top and sinusoidal speed humps at various traversing speeds.Results from this experiment show that speeds over 20 km/hr will result in some degree of discomfort to passengers in the ambulance.Additional experiments are needed to verify the consistency of these parameters, but this study has provided a proof of concept for further studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,364
Écart entre enseignants0,324 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference of Control, Dynamic systems, and RoboticsMême sujetOccupational Health and PerformanceTravaux en français237 207