MétaCan
Menu
Retour à la cohorte
Enregistrement W3181223521 · doi:10.4018/ijeach.2021070104

Evaluating the Performance of a Hockey Helmet in Mitigating Concussion Risk Using Measures of Acceleration and Energy During Simulated Free Fall

2021· article· en· W3181223521 sur OpenAlexaff
Carlos Zerpa, Stephen J. Carlson, Eryk Przysucha, Meilan Liu, Paolo Sanzo

Notice bibliographique

RevueInternational Journal of Extreme Automation and Connectivity in Healthcare · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésConcussionAccelerationLinear accelerationPoison controlPhysical medicine and rehabilitationStiffnessSimulationEngineeringInjury preventionStructural engineeringMedicinePhysicsEmergency medicine

Résumé

récupéré en direct d'OpenAlex

Hockey helmets represent the best form of head protection available to reduce the occurrence of skull fracture and concussion. Currently, helmet testing protocols focus on the reduction of peak linear acceleration measures. Gaps exist in analyzing how certain impact factors such as angle, neck stiffness, and location influence the energy loaded to the helmet and the risk of injury during head collisions. This study examined the effect of helmet impact angle, neck stiffness-torque levels, and helmet impact locations on energy reduction and risk of head injury grounded on acceleration measures using simulated free fall head collisions. The researchers conducted 540 impacts to collect the data. The results revealed statistical interaction effects between the angle of impact and location on measures of energy and risk of head injury. This study builds on existing literature by introducing an energy measurement technique to assess helmet performance. The outcome also provides an avenue for helmet manufacturers to evaluate the performance of the helmet in reducing concussion risk.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,464
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,113
Tête enseignante GPT0,373
Écart entre enseignants0,260 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Extreme Automation and Connectivity in HealthcareMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207