MétaCan
Menu
Retour à la cohorte
Enregistrement W3165635371 · doi:10.1080/15389588.2021.1918685

Importance of passive muscle, skin, and adipose tissue mechanical properties on head and neck response in rear impacts assessed with a finite element model

2021· article· en· W3165635371 sur OpenAlexaff
Donata Gierczycka, Aleksander Rycman, Duane S. Cronin

Notice bibliographique

RevueTraffic Injury Prevention · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFinite element methodHead (geology)Head and neckAdipose tissueMechatronicsMedicineStructural engineeringBiomedical engineeringEngineeringAnatomyMechanical engineeringSurgeryGeologyInternal medicineElectrical engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this study was to improve head-neck kinematic predictions of a contemporary finite element (FE) head-neck model, assessed in rear impact scenarios (3-10 g), by including an accurate representation of the skin, adipose tissue, and passive muscle mechanical properties. The soft tissues of the neck have a substantial contribution to kinematic response, with the contribution being inversely proportional to the impact severity. Thus accurate representation of these passive tissues is critical for the assessment of kinematic response and the potential for crash induced injuries. Contemporary Human Body Models (HBMs) often incorporate overly stiff mechanical properties of passive tissues for numerical stability, which can affect the predicted kinematic response of the head and neck. METHODS: Soft tissue material properties including non-linearity, compression-tension asymmetry, and viscoelasticity were implemented in constitutive models for the skin, adipose, and passive muscle tissues, based on experimental data in the literature. A quasi-linear viscoelastic formulation was proposed for the skin, while a phenomenological hyper-viscoelastic model was used for the passive muscle and adipose tissues. A head-neck model extracted from a contemporary FE HBM was updated to include the new tissue models and assessed using head rotation angle for rear impact scenarios (3 g, 7 g, and 10 g peak accelerations), and compared to postmortem human surrogate (PMHS) data for 7 g impacts. RESULTS: The head rotation angle increased with the new material models for all three rear impact cases: (3 g: +43%, 7 g: +52%, 10 g: +71%), relative to the original model. The increase in head rotation was primarily attributed to the improved skin model, with the passive muscle being a secondary contributor to the increase in response. A 52% increase in head rotation for the 7 g impact improved the model response with respect to PMHS data, placing it closer to the experimental average, compared to the original model. CONCLUSIONS: The improved skin, adipose tissue, and passive muscle material model properties, based on published experimental data, increased the neck compliance in rear impact, with improved correspondence to published PMHS test data for medium severity impacts. Future studies will investigate the coupled effect of passive and active muscle tissue for low severity impacts.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil0,613

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 Opus0,026
Tête enseignante GPT0,301
Écart entre enseignants0,275 · 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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraffic Injury PreventionMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207