Forensic evaluation of pedestrian injuries by FORTIS system and its significance for technical analysis of traffic accidents performed using simulation programs
Notice bibliographique
Résumé
Abstract Background Currently, simulation programs are used for a technical analysis of accidents including pedestrians as they provide a great amount of data on the physical parameters of the pedestrian’s body movement and its contacts with the vehicle or the road. In order to be able to make use of the presented options, it is necessary to obtain additional information about detected injuries from forensic doctors in a way utilizable for technical experts. Methods This study includes the results of 250 traffic accidents and approximately 200 real accidents, as well as 255 simulations. The evaluations were based on the investigation of circumstances, accompanying documentation, autopsy findings, photo documentation, and the results of additional expert examinations. We further proceeded in line with the complete autopsy findings in accordance with the requirements of the international classification of diseases. Results Previous practice has shown that the modified forensic system FORTIS, due to its capability to parametrize through localization using the PC Fortis © program, is an important tool to supplement verbal descriptions and localizations of injuries that have been used so far. Conclusions The FORTIS system is a usable and universal means of supplementing verbal medical descriptions for the needs of traffic accident analysts with a scoring system of a high informative value. This, in combination with a video simulation of contacts with a pedestrian’s body during a collision and with values of physical parameters from simulation programs, makes it possible to significantly increase the value of evidence for the needs of the police and courts.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».