MétaCan
Menu
Retour à la cohorte
Enregistrement W3186507885 · doi:10.1080/14763141.2021.1951828

Effective stiffness, damping and mass of the body during laboratory simulations of shoulder checks in ice hockey

2021· article· en· W3186507885 sur OpenAlexafffund
Olivia Aguiar, Olga Radivojevic, Brigitte M. Potvin, Omid Vakili, Stephen N. Robinovitch

Notice bibliographique

RevueSports Biomechanics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSimon Fraser University
Mots-clésIce hockeyStiffnessAdded massMedicinePhysical medicine and rehabilitationPhysicsStructural engineeringEngineeringAcousticsVibration

Résumé

récupéré en direct d'OpenAlex

Ice hockey is a fast-paced sport with a high incidence of collisions between players. Shoulder checks are especially common, accounting for a large portion of injuries including concussions. The forces generated during these collisions depend on the inertial and viscoelastic characteristics of the impacting bodies. Furthermore, the effect of shoulder pads in reducing peak force depends on the baseline (unpadded) properties of the shoulder. We conducted experiments with nine men's ice hockey players (aged 19-26) to measure their effective shoulder stiffness, damping and mass during the impact stage of a shoulder check. Participants delivered a style of check commonly observed in men's university ice hockey, involving lateral impact to the deltoid region, with the shoulder brought stationary by the collision. The effective stiffness and damping coefficient of the shoulder averaged 12.8 kN/m and 377 N-s/m at 550 N, and the effective mass averaged 47% of total body mass. The damping coefficient and stiffness increased with increasing force, but there was no significant difference in the damping coefficient above 350 N. Our results provide new evidence on the dynamics of shoulder checks in ice hockey, as a starting point for designing test systems for evaluating and improving the protective value of shoulder pads.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,261
Écart entre enseignants0,255 · 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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSports BiomechanicsMême sujetSports injuries and preventionTravaux en français237 207