MétaCan
Menu
Retour à la cohorte
Enregistrement W4385989006 · doi:10.1016/j.heliyon.2023.e19254

Head impact kinematics and injury risks during E-scooter collisions against a curb

2023· article· en· W4385989006 sur OpenAlexafffund
Marion Fournier, Nicolas Bailly, Andreas Schäuble, Yvan Petit

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensÉcole de Technologie SupérieureCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHybrid IIIKinematicsAccelerationCrashworthinessCollisionCrashConcussionAngular accelerationPoison controlAutomotive engineeringHead (geology)SimulationPhysical medicine and rehabilitationComputer scienceEnvironmental scienceEngineeringInjury preventionPhysicsMedicineGeologyEmergency medicineComputer security

Résumé

récupéré en direct d'OpenAlex

E-scooters as a mode of transportation is rapidly growing in popularity. This study evaluates head impact conditions and injury risk associated with E-scooter crashes. A multibody model of E-scooter falls induced by wheel-curb collision was built and compared with an experimental E-scooter crash test. A total of 162 crash scenarios were simulated to assess the effect of fall conditions (E-scooter initial speed and inclination, obstacle orientation, and user size) on the head impact kinematics. The forehead hit the ground first in 44% of simulations. The average tangential and normal impact speeds were 3.5 m/s and 4.8 m/s respectively. Nearly 100% of simulations identified a risk of concussion (linear acceleration peak >82 g and rotational acceleration peak >6383 rad/s 2 ) and 90% of simulations suggested a risk of severe head injuries (HIC>700). This work provides preliminary data useful for the assessment and design of protective gears.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,053
Tête enseignante GPT0,378
Écart entre enseignants0,325 · 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207