MétaCan
Menu
Retour à la cohorte
Enregistrement W4313274785 · doi:10.4018/ijeach.316134

Comparison of Hockey Helmet Lining Technologies in Mitigating Concussion Risk During Simulated Horizontal Head Collisions

2022· article· en· W4313274785 sur OpenAlexaff
Kyle McGillivray, Eryk Przysucha, Paolo Sanzo, Meilan Liu, Carlos Zerpa

Notice bibliographique

RevueInternational Journal of Extreme Automation and Connectivity in Healthcare · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésHead (geology)Materials scienceImpact energyConcussionComposite materialStructural engineeringForensic engineeringPoison controlEngineeringInjury preventionMedicineGeology

Résumé

récupéré en direct d'OpenAlex

The risk of concussions in ice hockey is high despite use of vinyl-nitrile (VN) and expanded polypropylene (EPP) materials in helmet liners. Linings made of thermoplastic polyurethane (TPU) seem to offer better mitigation of impact accelerations. The first purpose of this study was to compare the use of TPU linings to VN and EPP liners on measures of energy absorption capabilities during static loading. The second was to examine the effectiveness of TPU liners in reducing acceleration and risk of head injury when compared to VN and EPP liners during simulated dynamic head impact collisions. The static test indicated that TPU absorbed 38.6% of the loading energy compared to 15.8% for VN and 41.8% for EPP linings. The dynamic testing revealed that the TPU liners outperformed VN and EPP liners at the side, rear boss, and rear locations. Use of multi-material helmet liner made of TPU and EPP is suggested.

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 enseignants0,164
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,057
Tête enseignante GPT0,379
Écart entre enseignants0,322 · 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

Citations3
Publié2022
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