The Lack of Sex, Age, and Anthropometric Diversity in Neck Biomechanical Data
Notice bibliographique
Résumé
Female, elderly, and obese individuals are at greater risk than male, young, and non-obese individuals for neck injury in otherwise equivalent automotive collisions. The development of effective safety technologies to protect all occupants requires high quality data from a range of biomechanical test subjects representative of the population at risk. Here we sought to quantify the demographic characteristics of the volunteers and post-mortem human subjects (PMHSs) used to create the available biomechanical data for the human neck during automotive impacts. A systematic literature and database search was conducted to identify kinematic data that could be used to characterize the neck response to inertial loading or direct head/body impacts. We compiled the sex, age, height, weight, and body mass index (BMI) for 999 volunteers and 110 PMHSs exposed to 5,431 impacts extracted from 63 published studies and three databases, and then compared the distributions of these parameters to reference data drawn from the neck-injured, fatally-injured, and general populations. We found that the neck biomechanical data were biased toward males, the volunteer data were younger, and the PMHS data were older than the reference populations. Other smaller biases were also noted, particularly within female distributions, in the height, weight, and BMI distributions relative to the neck-injured populations. It is vital to increase the diversity of volunteer and cadaveric test subjects in future studies in order to fill the gaps in the current neck biomechanical data. This increased diversity will provide critical data to address existing inequities in automotive and other safety technologies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».