Development and tolerability of a novel virtual- and proprioception-based car crash simulator as a new research tool in motor vehicle trauma research
Notice bibliographique
Résumé
Purpose: Investigations of causal theories of neck pain (NP) following motor vehicle crashes (MVC) has been difficult, as simulation is limited. Thus, we sought to evaluate tolerability to a novel virtual reality (VR)-based road collision simulator and screen for adverse reactions. Materials and Methods: Cross-sectional study. 25 healthy participants were exposed to a novel VR-based rear-end MVC with a small perturbation (0.2 g). The Simulator Sickness Questionnaire (SSQ) and Presence Questionnaire (PQ) were measured post-exposure and adverse reactions were recorded. Results: The system was well tolerated with no adverse reactions, however one participant reported NP the following day not lasting longer than 48 h. Participants reported low levels of simulator sickness (mean SSQ = 23.49 ± 21.98, range = 0.00 to 89.76; max score = 235.62), while presence (mean PQ = 91.04 ± 14.08, range = 54.00 to 112.00; max score = 133), was lower than literature recommendations. Conclusion: A VR-based road collision simulator can be safely used to explore the phenomenon of a motor vehicle crashes under controlled circumstances. Future work is needed to optimize the virtual reality environment and to investigate the effects of crash parameters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».