Effect of muscle pre‐tension and pre‐impact neck posture on the kinematic response of the cervical spine in simulated low‐speed rear impacts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computational human body models (HBMs) can identify potential injury pathways not easily accessible through experimental studies, such as whiplash induced injuries. However, previous computational studies investigating neck response to simulated impact conditions have neglected the effect of pre-impact neck posture and muscle pre-tension on the intervertebral kinematics and tissue-level response. The purpose of the present study was addressing this knowledge gap using a detailed neck model subjected to simulated low-acceleration rear impact conditions, towards improved intervertebral kinematics and soft tissue response for injury assessment. An improved muscle path implementation in the model enabled the modeling of muscle pre-tension using experimental muscle pre-stretch data determined from previous cadaver studies. Cadaveric neck impact tests and human volunteer tests with the corresponding cervical spine posture were simulated using a detailed neck model with the reported boundary conditions and no muscle activation. Computed intervertebral kinematics of the model with pre-tension achieved, for the first time, the S-shape behavior of the neck observed in low severity rear impacts of both cadaver and volunteer studies. The maximum first principal strain in the muscles for the model with pre-tension was 27% higher than that without pre-tension. Although, the pre-impact neck posture was updated to match the average posture reported in the experimental tests, the change in posture was generally small with only small changes in vertebral kinematics and muscle strain. This study provides a method to incorporate muscle pre-tension in HBM and quantifies the importance of pre-tension in calculating tissue-level distractions.
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.
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 | 0,003 | 0,011 |
| 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 | 0,001 |
| 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 découle